`ValueError：太多的值來解壓縮（預期4）`與`scipy.stats.linregress``

我知道這個錯誤信息（ValueError: too many values to unpack (expected 4)）出現多個變量設置爲值比函數返回時。`ValueError：太多的值來解壓縮（預期4）`與`scipy.stats.linregress``

scipy.stats.linregress根據scipy文檔返回5個值（http://docs.scipy.org/doc/scipy/reference/generated/scipy.stats.linregress.html）。

這裏是一個工作電話的短，重複的例子，然後呼叫失敗，到linregress：

什麼可以解釋的區別，爲什麼是第二個叫不好？

from scipy import stats 
import numpy as np 

if __name__ == '__main__': 
    x = np.random.random(10) 
    y = np.random.random(10) 
    print(x,y) 
    slope, intercept, r_value, p_value, std_err = stats.linregress(x,y) 


''' 
Code above works 
Code below fails 
''' 

    X = np.asarray([[-15.93675813], 
[-29.15297922], 
[ 36.18954863], 
[ 37.49218733], 
[-48.05882945], 
[ -8.94145794], 
[ 15.30779289], 
[-34.70626581], 
[ 1.38915437], 
[-44.38375985], 
[ 7.01350208], 
[ 22.76274892]]) 

    Y = np.asarray([[ 2.13431051], 
[ 1.17325668], 
[ 34.35910918], 
[ 36.83795516], 
[ 2.80896507], 
[ 2.12107248], 
[ 14.71026831], 
[ 2.61418439], 
[ 3.74017167], 
[ 3.73169131], 
[ 7.62765885], 
[ 22.7524283 ]]) 

    print(X,Y) # The array initialization succeeds, if both arrays are print out 


    for i in range(1,len(X)): 
     slope, intercept, r_value, p_value, std_err = (stats.linregress(X[0:i,:], y = Y[0:i,:]))

來源

2016-08-02 Muno

你能發佈完整的錯誤信息和堆棧跟蹤嗎？ – njzk2

你的X和Y的形狀是：（12,1），但你需要的是（12，）。 – Dataman

也是''i'的值導致這個問題？ – njzk2

您的問題，從切片X和Y陣列起源。您也不需要for循環。使用下面的代替，它應該工作。

slope, intercept, r_value, p_value, std_err = stats.linregress(X[:,0], Y[:,0])

來源

2016-08-02 15:56:05 Dataman

他們可能*想* for'循環仍然（很難說）。但解決方案*是*將'[...，：]'更改爲'[...，0]'。 – jedwards

我假設他/他已經使用'for'循環來處理數組的形狀。如果使用正確的切片，則不需要「for」循環。 – Dataman

我以爲他們試圖得到* n *不同迴歸的結果，每個迴歸都考慮X/Y中的一個額外元素。 – jedwards

問題的事實，您輸入np.asarray是單元素列表的列表莖。

因此，X和Y兩者都具有（12,1）的形狀：

print(X.shape) # (12, 1) [or (12L, 1L), depending on version] 
print(Y.shape) # (12, 1)

注意，這些均爲二維陣列。儘管其中一個維度是1，但它們仍然被認爲是二維的。

現在考慮創建一個數組的是這樣的：

x = np.asarray([1,2,3,4,5]) 
print(x.shape) # (5,)

注意，在這種情況下，我們通過一個整數列表，以asarray，我們得到了一個一維數組。

當您的函數被兩個變量調用時，您的函數都需要是一維數組。所以，你可以開始創建數組作爲一維：

例如，通過手：

X = np.asarray([-15.93675813, 
       -29.15297922, 
       36.18954863, 
       37.49218733, 
       -48.05882945, 
       -8.94145794, 
       15.30779289, 
       -34.70626581, 
        1.38915437, 
       -44.38375985, 
        7.01350208, 
       22.76274892])

或者通過列表理解：

y_data = [[ 2.13431051], 
      [ 1.17325668], 
      [ 34.35910918], 
      [ 36.83795516], 
      [ 2.80896507], 
      [ 2.12107248], 
      [ 14.71026831], 
      [ 2.61418439], 
      [ 3.74017167], 
      [ 3.73169131], 
      [ 7.62765885], 
      [ 22.7524283 ]] 
Y = np.asarray([e[0] for e in y_data])

或者通過切片：

Y = np.asarray([[ 2.13431051], 
       [ 1.17325668], 
       [ 34.35910918], 
       [ 36.83795516], 
       [ 2.80896507], 
       [ 2.12107248], 
       [ 14.71026831], 
       [ 2.61418439], 
       [ 3.74017167], 
       [ 3.73169131], 
       [ 7.62765885], 
       [ 22.7524283 ]]) 
Y = Y[:,0]

這三種方法都會導致你有X和形狀(12,) 210（一維）：

print(X.shape) # (12,) 
print(Y.shape) # (12,)

然後，你可以使用你的循環爲：

for i in range(3,len(X)): 
    slope, intercept, r_value, p_value, std_err = stats.linregress(X[0:i], y = Y[0:i]) 
    print(slope)

注意，我開始循環3，它的第一個值是「有道理」。

或者，你可以讓你的陣列未修改的二維，只是解決您的循環中的切片語法：

for i in range(3,len(X)): 
    slope, intercept, r_value, p_value, std_err = stats.linregress(X[0:i,0], y = Y[0:i,0]) 
    print(slope)

這是在我評論的回答提出的方法。

來源

2016-08-02 20:18:15 jedwards

`ValueError：太多的值來解壓縮（預期4）`與`scipy.stats.linregress``

回答

相關問題