我正在使用其他4个列创建一个新的Pandas数据框架列，并逐行应用自定义定义的函数。
下面是函数所应用的列的结构。
新创建的列看起来像这样。
我编写的函数如下：
def convert_credit_rows(row): return np.asarray([row['A'], row['B'], row['C'], row['D']], dtype=np.float32)X_train['credit_balance'] = X_train.apply(convert_credit_rows, axis=1)X_test['credit_balance'] = X_test.apply(convert_credit_rows, axis=1)我将这个数据集提供给一个简单的神经网络，如下所示：
def CreditBalanceDetector(): X_train_credit_balance = X_train['credit_balance'] X_test_credit_balance = X_test['credit_balance'] model = Sequential() model.add(Dense(20, activation='relu')) model.add(Dense(10, activation='relu')) model.add(Dense(6, activation='softmax')) model.compile(loss='categorical_crossentropy', optimizer=Adam(learning_rate=0.0005), metrics=['accuracy']) early_stop = EarlyStopping(monitor='val_loss',patience=3) model.fit(X_train_credit_balance, y_train, epochs=50, validation_data= (X_test_credit_balance, y_test), callbacks=[early_stop])但在尝试训练模型时，我得到了以下错误。
虽然在StackOverflow上有一些类似的提问，但那里建议的解决方案对我不起作用。
如果有人能找出我哪里做错了，我将不胜感激。谢谢你。
回答：
我已经弄清楚了我的代码中出了什么问题。这里发布是为了将来可能受益的人。
在上面的代码中，我为X_train_credit_balance和X_test_credit_balance提供了Pandas Series对象作为数据类型，而model.fit()函数期望的是一个数组。如果我们按以下方式检查X_train_credit_balance的一个元素，
print(X_train_credit_balance[0])它将给出以下输出，这不是所需的：
array([30., 30.], dtype=float32)正确的代码
可以通过如下修改convert_credit_rows(row)函数来纠正上述行为：
credit_list = []def convert_credit_rows(row): credit_list.append(np.asarray([row['A'], row['B'], row['C'], row['D']], dtype=np.float32)) X_train_credit_balance = np.array(credit_list)convert_credit_rows函数将应用于每一行，创建一个(m,n)维数组列表——在本例中为credit_list。接下来，我们可以使用np.array(credit_list)将credit_list转换为ndarray。如果我们在操作结束时打印出credit_list，我们可以看到如下正确格式的数组：
[[1. 2. 3.] [1. 2. 3.] [1. 2. 3.] [1. 2. 3.] [1. 2. 3.] [1. 2. 3.]]现在，如果我们打印出X_train_credit_balance的类型，它将是<class 'numpy.ndarray'>，而不是Pandas Series对象。
