ValueError: Mylna liczba przekazanych elementów - znaczenie i sugestie?

Question

Otrzymuję błąd: ValueError: Wrong number of items passed 3, placement implies 1 i staram się dowiedzieć, gdzie i jak mogę zacząć rozwiązywać problem.

Nie do końca rozumiem znaczenie błędu; co utrudnia mi rozwiązywanie problemów. Dołączyłem również blok kodu, który uruchamia błąd w moim Notatniku Jupyter.

Dane są trudne do załączenia; więc nie szukam dla nikogo, kto spróbuje odtworzyć ten błąd dla mnie. Po prostu szukam informacji zwrotnej na temat tego, jak mogę rozwiązać ten błąd.

KeyError         Traceback (most recent call last) 
C:\Users\brennn1\AppData\Local\Continuum\Anaconda3\lib\site-packages\pandas\indexes\base.py in get_loc(self, key, method, tolerance) 
    1944    try: 
-> 1945     return self._engine.get_loc(key) 
    1946    except KeyError: 

pandas\index.pyx in pandas.index.IndexEngine.get_loc (pandas\index.c:4154)() 

pandas\index.pyx in pandas.index.IndexEngine.get_loc (pandas\index.c:4018)() 

pandas\hashtable.pyx in pandas.hashtable.PyObjectHashTable.get_item (pandas\hashtable.c:12368)() 

pandas\hashtable.pyx in pandas.hashtable.PyObjectHashTable.get_item (pandas\hashtable.c:12322)() 

KeyError: 'predictedY' 

During handling of the above exception, another exception occurred: 

KeyError         Traceback (most recent call last) 
C:\Users\brennn1\AppData\Local\Continuum\Anaconda3\lib\site-packages\pandas\core\internals.py in set(self, item, value, check) 
    3414   try: 
-> 3415    loc = self.items.get_loc(item) 
    3416   except KeyError: 

C:\Users\brennn1\AppData\Local\Continuum\Anaconda3\lib\site-packages\pandas\indexes\base.py in get_loc(self, key, method, tolerance) 
    1946    except KeyError: 
-> 1947     return self._engine.get_loc(self._maybe_cast_indexer(key)) 
    1948 

pandas\index.pyx in pandas.index.IndexEngine.get_loc (pandas\index.c:4154)() 

pandas\index.pyx in pandas.index.IndexEngine.get_loc (pandas\index.c:4018)() 

pandas\hashtable.pyx in pandas.hashtable.PyObjectHashTable.get_item (pandas\hashtable.c:12368)() 

pandas\hashtable.pyx in pandas.hashtable.PyObjectHashTable.get_item (pandas\hashtable.c:12322)() 

KeyError: 'predictedY' 

During handling of the above exception, another exception occurred: 

ValueError        Traceback (most recent call last) 
<ipython-input-95-476dc59cd7fa> in <module>() 
    26  return gp, results 
    27 
---> 28 gp_dailyElectricity, results_dailyElectricity = predictAll(3, 0.04, trainX_dailyElectricity, trainY_dailyElectricity, testX_dailyElectricity, testY_dailyElectricity, testSet_dailyElectricity, 'Daily Electricity') 

<ipython-input-95-476dc59cd7fa> in predictAll(theta, nugget, trainX, trainY, testX, testY, testSet, title) 
     8 
     9  results = testSet.copy() 
---> 10  results['predictedY'] = predictedY 
    11  results['sigma'] = sigma 
    12 

C:\Users\brennn1\AppData\Local\Continuum\Anaconda3\lib\site-packages\pandas\core\frame.py in __setitem__(self, key, value) 
    2355   else: 
    2356    # set column 
-> 2357    self._set_item(key, value) 
    2358 
    2359  def _setitem_slice(self, key, value): 

C:\Users\brennn1\AppData\Local\Continuum\Anaconda3\lib\site-packages\pandas\core\frame.py in _set_item(self, key, value) 
    2422   self._ensure_valid_index(value) 
    2423   value = self._sanitize_column(key, value) 
-> 2424   NDFrame._set_item(self, key, value) 
    2425 
    2426   # check if we are modifying a copy 

C:\Users\brennn1\AppData\Local\Continuum\Anaconda3\lib\site-packages\pandas\core\generic.py in _set_item(self, key, value) 
    1462 
    1463  def _set_item(self, key, value): 
-> 1464   self._data.set(key, value) 
    1465   self._clear_item_cache() 
    1466 

C:\Users\brennn1\AppData\Local\Continuum\Anaconda3\lib\site-packages\pandas\core\internals.py in set(self, item, value, check) 
    3416   except KeyError: 
    3417    # This item wasn't present, just insert at end 
-> 3418    self.insert(len(self.items), item, value) 
    3419    return 
    3420 

C:\Users\brennn1\AppData\Local\Continuum\Anaconda3\lib\site-packages\pandas\core\internals.py in insert(self, loc, item, value, allow_duplicates) 
    3517 
    3518   block = make_block(values=value, ndim=self.ndim, 
-> 3519       placement=slice(loc, loc + 1)) 
    3520 
    3521   for blkno, count in _fast_count_smallints(self._blknos[loc:]): 

C:\Users\brennn1\AppData\Local\Continuum\Anaconda3\lib\site-packages\pandas\core\internals.py in make_block(values, placement, klass, ndim, dtype, fastpath) 
    2516      placement=placement, dtype=dtype) 
    2517 
-> 2518  return klass(values, ndim=ndim, fastpath=fastpath, placement=placement) 
    2519 
    2520 # TODO: flexible with index=None and/or items=None 

C:\Users\brennn1\AppData\Local\Continuum\Anaconda3\lib\site-packages\pandas\core\internals.py in __init__(self, values, placement, ndim, fastpath) 
    88    raise ValueError('Wrong number of items passed %d, placement ' 
    89        'implies %d' % (len(self.values), 
---> 90            len(self.mgr_locs))) 
    91 
    92  @property 

ValueError: Wrong number of items passed 3, placement implies 1 

Mój kod wygląda następująco:

def predictAll(theta, nugget, trainX, trainY, testX, testY, testSet, title): 

    gp = gaussian_process.GaussianProcess(theta0=theta, nugget =nugget) 
    gp.fit(trainX, trainY) 

    predictedY, MSE = gp.predict(testX, eval_MSE = True) 
    sigma = np.sqrt(MSE) 

    results = testSet.copy() 
    results['predictedY'] = predictedY 
    results['sigma'] = sigma 

    print ("Train score R2:", gp.score(trainX, trainY)) 
    print ("Test score R2:", sklearn.metrics.r2_score(testY, predictedY)) 

    plt.figure(figsize = (9,8)) 
    plt.scatter(testY, predictedY) 
    plt.plot([min(testY), max(testY)], [min(testY), max(testY)], 'r') 
    plt.xlim([min(testY), max(testY)]) 
    plt.ylim([min(testY), max(testY)]) 
    plt.title('Predicted vs. observed: ' + title) 
    plt.xlabel('Observed') 
    plt.ylabel('Predicted') 
    plt.show() 

    return gp, results 

gp_dailyElectricity, results_dailyElectricity = predictAll(3, 0.04, trainX_dailyElectricity, trainY_dailyElectricity, testX_dailyElectricity, testY_dailyElectricity, testSet_dailyElectricity, 'Daily Electricity') 

Answer 1

Ogólnie, błąd ValueError: Wrong number of items passed 3, placement implies 1 sugeruje, że starają się umieścić zbyt wiele w zbyt gołębi kilku przegródkach. W tym przypadku wartość po prawej stronie równania

results['predictedY'] = predictedY

próbuje umieścić 3 „rzeczy” do pojemnika, który pozwala tylko jeden. Ponieważ lewa strona jest kolumną danych i może przyjmować wiele elementów w tym (kolumnowym) wymiarze, powinieneś zauważyć, że w innym wymiarze jest zbyt wiele elementów.

Wygląda na to, że używasz sklearn do modelowania, z którego pochodzi gaussian_process.GaussianProcess() (Zgaduję, ale popraw mnie i popraw pytanie, jeśli jest źle).

Teraz wygenerować prognozowane wartości dla y tutaj:

predictedY, MSE = gp.predict(testX, eval_MSE = True)

Jednak, jak widać z the documentation for GaussianProcess, predict() powraca dwie pozycje. Pierwszy to y, który jest podobny do tablicy (podkreślenie moje). Oznacza to, że może on mieć więcej niż jeden wymiar, lub być konkretnym dla grubych ludzi, takich jak ja, może mieć więcej niż jedną kolumnę - zobacz, czy może zwrócić (n_samples, n_targets), która w zależności od testX może być (1000, 3) (tylko wybierz liczby). Zatem Twój predictedY może mieć 3 kolumny.

Jeśli tak, próbując umieścić coś z trzema "kolumnami" w jednej kolumnie z ramką danych, podajesz 3 elementy, do których pasuje tylko 1.