ValueError: установка элемента массива с помощью последовательности. Нет нерегулярного типа данных или зубчатого массива ⇐ Python

[Anonymous]

Хорошо, мне это показалось странным.
Я создаю классификатор текста. Я использовал word2vec gensim с агрегацией, когда я пытаюсь запустить его через классификатор sklearn, он выдает мне ValueError: установка элемента массива с последовательностью.
Вот мой код KNN
Вот мой код KNN р>

Код: Выделить всё

def knn(X_train, y_train, k):
start = time.time()
knn = KNeighborsClassifier(n_neighbors=k)
X_train, y_train = X_train.reset_index(drop=True), y_train.reset_index(drop=True)
check_inconsistencies(values=X_train)
check_inconsistencies(values=y_train)
#  X_train, y_train = np.asarray(X_train, dtype=np.dtype), np.asarray(y_train, dtype=np.dtype)
print(f"KNN")
knn.fit(X=X_train, y=y_train)
net_time = time.time()-start
return knn, net_time

где check_inconsistency записывается Chatgpt, чтобы проверить, не является ли тип данных или длина несовместимыми

Код: Выделить всё

def check_inconsistencies(values):
# Check if it's a sequence (like a list of lists)
if isinstance(values, (list, tuple)):
# 1. Check for inconsistent types
types = set(type(v) for v in values)
if len(types) > 1:
print(f"Inconsistent types detected: {types}")
else:
print(f"Consistent type: {list(types)[0]}")

# 2. Check if all elements are also sequences (to verify shapes)
if all(isinstance(v, (list, tuple, np.ndarray)) for v in values):
# Check for shape inconsistencies
lengths = [len(v) for v in values]
if len(set(lengths)) > 1:
print(f"Inconsistent lengths detected: {lengths}")
else:
print(f"Consistent shape: All sub-lists/arrays have length {lengths[0]}")
else:
print("Not all elements are sequences; some may be single values.")

# If the input is a NumPy array, check its dtype consistency
if isinstance(values, np.ndarray):
print(f"NumPy array detected with dtype: {values.dtype}")
print(f"Shape: {values.shape}")

# Try to convert to NumPy array and catch potential errors
try:
arr = np.asarray(values)
print("Array created successfully:", arr)
except ValueError as e:
print(f"Error encountered: {e}")

Кроме того, я сам написал следующую проверку согласованности кода

Код: Выделить всё

    for x in vec_pooled:
count1 += 1
if (type(x) != type(prev1)) or (len(x) != len(prev1)):
print(f"\nMismatch1:   {type(x)} not {type(prev1)}           {len(x)} not {len(prev1)}           {count1}")
print(f" {x} \n {prev1}  \n\n\n\n")
prev1 = x
for y in x:
count2 += 1
if (type(y) != type(prev2)) or (len(y) != len(prev2)):
print(f"\nMismatch2:   {type(y)} not {type(prev2)}           {len(y)} not {len(prev2)}           {count2}")
print(f" {x} \n {prev1}  \n\n\n\n")
prev2 = y
for z in y:
count3 += 1
if type(z) != type(prev3):
print(f"Mismatch3:{type(z)} not {type(prev3)}           {count3}")
prev3 = z
count3 = 0
count2 = 0
print("Loop Completed")
print (f"Type of prev1: {type(prev1)}")
print (f"Type of prev2: {type(prev2)}")
print (f"Type of prev3: {type(prev3)}")
return vec_pooled

Оба работают нормально, поэтому я знаю, что массив не является неровным и не имеет противоречивых типов. Но при обычном запуске кода возникает следующая проблема

Код: Выделить всё

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
TypeError: only length-1 arrays can be converted to Python scalars

The above exception was the direct cause of the following exception:

ValueError                                Traceback (most recent call last)
Cell In[28], line 2
1 bakara = [3, ["./bakara.xlsx"], "text", "label"]
----> 2 df = pd.DataFrame(master_function(bakara))

Cell In[25], line 40
38 temp_df['vec_text'] = vectorization(temp_df["prep_text"], vec ,agg_type, avg, None)
39 X_train, X_test, y_train, y_test = train_test_split(temp_df['vec_text'], df[data[3]], test_size=0.2, random_state=42)
---> 40 train_result = model_training_master(X_train, X_test, y_train, y_test)
41 print(f"{Agg_type}   |   {avg}  |   {vec}")
42 for result in train_results:

Cell In[24], line 4
1 def model_training_master(X_train, X_test, y_train, y_test):
2     training_result = []
----> 4     model, time = knn(X_train, y_train, max(y_train))
5     accuracy, recall, f1 = model_performance(model, y_train, y_test)
6     training_result.append("KNN", False, 0, time, accuracy, recall, f1)
...
-> 1022 arr = np.asarray(values, dtype=dtype)
1023 if using_copy_on_write() and astype_is_view(values.dtype, arr.dtype):
1024     arr = arr.view()

ValueError: setting an array element with a sequence.

Между тем, если я раскомментирую строку KNN, произойдет следующая ошибка

Код: Выделить всё

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
Cell In[30], line 2
1 bakara = [3, ["./bakara.xlsx"], "text", "label"]
----> 2 df = pd.DataFrame(master_function(bakara))

Cell In[25], line 40
38 temp_df['vec_text'] = vectorization(temp_df["prep_text"], vec ,agg_type, avg, None)
39 X_train, X_test, y_train, y_test = train_test_split(temp_df['vec_text'], df[data[3]], test_size=0.2, random_state=42)
---> 40 train_result = model_training_master(X_train, X_test, y_train, y_test)
41 print(f"{Agg_type}   |   {avg}  |   {vec}")
42 for result in train_results:

Cell In[24], line 4
1 def model_training_master(X_train, X_test, y_train, y_test):
2     training_result = []
----> 4     model, time = knn(X_train, y_train, max(y_train))
5     accuracy, recall, f1 = model_performance(model, y_train, y_test)
6     training_result.append("KNN", False, 0, time, accuracy, recall, f1)

Cell In[29], line 7
5 check_inconsistencies(values=X_train)
6 check_inconsistencies(values=y_train)
----> 7 X_train, y_train = np.asarray(X_train, dtype=np.dtype), np.asarray(y_train, dtype=np.dtype)
8 print(f"KNN")
9 knn.fit(X=X_train, y=y_train)

TypeError: Cannot convert np.dtype into a dtype.

Таким образом, один и тот же код внутри KNN вызывает другую ошибку, чем снаружи

Подробнее здесь: https://stackoverflow.com/questions/790 ... atype-or-j