我有一个包含’year’和’人均收入（美元）’列的数据框(df)。

plt.scatter(df.year, df['per capita income (US$)'], color='red')plt.xlabel('年份')plt.ylabel('人均收入（美元）')plt.show()reg = linear_model.LinearRegression()reg.fit(df[['year']], df['per capita income (US$)'])reg.predict(2011) 

接收到的错误消息：

ValueError: 期望得到2D数组，但得到的是标量数组：array=2011。请使用array.reshape(-1, 1)重塑你的数据，如果你的数据只有一个特征，或者使用array.reshape(1, -1)，如果它包含一个样本。

我调整了reg.predict()的调用为：

reg.predict([[2011]])

代码没有错误地执行，但是，.predict()函数没有返回所需的输出。

print(df.columns)Index(['year', 'per capita income (US$)'], dtype='object')

回答：

你应该将X重塑为2D数组而不是1D数组。拟合模型需要2D数组，即（n_samples, n_features）。
当你使用.reshape(-1,1)时，它会为数据增加一个维度。

X = df['year'].values.reshape(-1,1)y = df['per capita income (US$)'].valuesreg = linear_model.LinearRegression()reg.fit(X,y)print(reg.predict([[2011]]))