我正在尝试对一些数据进行线性回归。这就是数据的外观。

X = df['vectors'] 看起来像这样：

0      [-1.86135, 1.3202, 0.023501, -2.9511, 1.62135,...1      [0.5487195, 0.27389452, 0.49712706, 0.6853927,...2      [-1.3525691, -0.8444542, 2.8269022, -1.4456564...3      [1.0730275, -0.14970247, -1.1424525, -1.953272...4      [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, ...

当我在其上运行线性回归模型时：

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.4, random_state=101)lm = LinearRegression()lm.fit(X_train, y_train)

我得到了这个错误：

TypeError                                 Traceback (most recent call last)TypeError: only size-1 arrays can be converted to Python scalarsThe above exception was the direct cause of the following exception:

我如何将X中的值转换为标量？我在考虑获取向量的平均值，但不确定具体该怎么做。

回答：

从外观上看，X 是一个 pandas.Series 对象。

由于X中每一行的列表长度都相同，你可以将X重塑为一个ndarray，其行数与X相同，每个列表中的元素数量作为列数。

# 导入numpyimport numpy as np# 重塑X = np.array(X.explode()).reshape(len(X), -1)# 像之前一样进行X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.4, random_state=101)lm = LinearRegression()lm.fit(X_train, y_train)