Помогите, пожалуйста, исправить ошибку ValueError: Shape of passed values is (30471, 1), indices imply (30471, 4)

Question

Помогите, пожалуйста, исправить ошибку ValueError: Shape of passed values is (30471, 1), indices imply (30471, 4)

Asuna San Ученик (140), на голосовании 2 месяца назад

 from sklearn import preprocessing 
np.random.seed(34) 
 
# сгенерируем датасет из случайных чисел 
df = pd.DataFrame({ 
    # Бета распределение, 5 – значение альфа, 1 – значение бета, 1000 – размер 
    'beta': np.random.beta(5, 1, 1000) * 60, 
 
    # Экспоненциальное распределение, 10 – "резкость" экспоненты, 1000 – размер 
    'exponential': np.random.exponential(10, 1000), 
 
    # Нормальное распределение, 10 – среднее значение р., 2 – стандартное отклонение, 1000 – количество сэмплов 
    'normal_p': np.random.normal(10, 2, 1000), 
 
    # Нормальное распределение, 10 – среднее значение р., 10 – стандартное отклонение, 1000 – количество сэмплов 
    'normal_l': np.random.normal(10, 10, 1000), 
}) 
 
# Копируем названия столбцов, которые теряются при использовании fit_transform() 
col_names = list(df.columns) 
 
# инициализируем стандартизатор StandardScaler 
s_scaler = preprocessing.StandardScaler() 
 
# кодируем исходный датасет 
df_s = s_scaler.fit_transform(sber_data[['price_doc']]) 
 
# Преобразуем промежуточный датасет в полноценный датафрейм для визуализации 
df_s = pd.DataFrame(df_s, columns=col_names) 
 
fig, (ax1) = plt.subplots(ncols=1, figsize=(10, 8)) 
ax1.set_title('Распределения после StandardScaler') 
 
sns.kdeplot(df_s['beta'], ax=ax1) 
sns.kdeplot(df_s['exponential'], ax=ax1) 
sns.kdeplot(df_s['normal_p'], ax=ax1) 
sns.kdeplot(df_s['normal_l'], ax=ax1) 
df_s.describe()

Answer 1

Ошибка возникает из-за несоответствия между количеством столбцов в исходном датафрейме и количеством столбцов, которые вы пытаетесь использовать при создании нового датафрейма.

 from sklearn import preprocessing  
import numpy as np 
import pandas as pd 
import matplotlib.pyplot as plt 
import seaborn as sns 
 
np.random.seed(34)  
 
# сгенерируем датасет из случайных чисел  
df = pd.DataFrame({  
    'beta': np.random.beta(5, 1, 1000) * 60,  
    'exponential': np.random.exponential(10, 1000),  
    'normal_p': np.random.normal(10, 2, 1000),  
    'normal_l': np.random.normal(10, 10, 1000),  
})  
 
# инициализируем стандартизатор StandardScaler 
s_scaler = preprocessing.StandardScaler()  
 
# кодируем исходный датасет  
df_s = s_scaler.fit_transform(df)  
 
# Преобразуем промежуточный датасет в полноценный датафрейм для визуализации  
df_s = pd.DataFrame(df_s, columns=df.columns)  
 
fig, ax1 = plt.subplots(ncols=1, figsize=(10, 8))  
ax1.set_title('Распределения после StandardScaler')  
 
sns.kdeplot(data=df_s, ax=ax1) 
plt.legend(df_s.columns) 
 
print(df_s.describe()) 
 
plt.show()

Answer 2

Для исправления ошибки ValueError: Shape of passed values is (30471, 1), indices imply (30471, 4) вам нужно изменить строку кода, где вы используете StandardScaler. Вместо использования sber_data[['price_doc']], вам следует использовать df, который вы создали ранее.

Замените эту строку:

 df_s = s_scaler.fit_transform(sber_data[['price_doc']])
```

На эту строку:
```python
df_s = s_scaler.fit_transform(df)
```

После этого ваш код должен успешно выполниться без ошибок. Надеюсь, это поможет! Если у вас возникнут еще вопросы, не стесняйтесь обращаться.