使用Scikit-Learn Knn.ndarray并不是c contigul。

Question

为此，我要调用预测函数，我有以下代码，

def convert_to_df(obj):
    obj_dic = obj.dict()
    df = pd.DataFrame(obj_dic.values(), index=obj_dic.keys())
    df.reset_index(drop=True, inplace=True)
    return df


@app.get("/get_rating")
def get_rating(features: Features):
    features = convert_to_df(features).T # shape (1, 26)
    return {'rating': Predictor().predict(features)}

但是我会收到以下错误：

文件“ Stringsource”，第658行，in view.memoryview.memoryview_cwrapper文件“ stringsource”，第349行， 在View.MemoryView.Memoryview。 c contigul

如何解决这个问题？

谢谢

编辑

预测器是Scikit学习的KNN模型培训师

def predict(self, features) -> int:
    return self.model.predict(features)

Answer 1

数据和追溯信息的量仍然不够。但是我会猜测。

让我们制作一个简单的数据框架：

In [31]: df = pd.DataFrame(np.ones((3,4)))

In [32]: df
Out[32]: 
     0    1    2    3
0  1.0  1.0  1.0  1.0
1  1.0  1.0  1.0  1.0
2  1.0  1.0  1.0  1.0

预测可能会使用一些预期c-contiguul数据的编译代码。如果给出了一个数据框，它可能首先将其转换为数组，例如使用np.Array（df）或有效：

In [35]: df.values
Out[35]: 
array([[1., 1., 1., 1.],
       [1., 1., 1., 1.],
       [1., 1., 1., 1.]])

In [36]: df.values.flags
Out[36]: 
  C_CONTIGUOUS : True
  F_CONTIGUOUS : False
  OWNDATA : False
  WRITEABLE : True
  ALIGNED : True
  WRITEBACKIFCOPY : False
  UPDATEIFCOPY : False

但是，如果您执行转换的连续性更改。这在数组中众所周知，看起来Pandas是兼容的：

In [37]: df.T.values.flags
Out[37]: 
  C_CONTIGUOUS : False
  F_CONTIGUOUS : True
  OWNDATA : False
  WRITEABLE : True
  ALIGNED : True
  WRITEBACKIFCOPY : False
  UPDATEIFCOPY : False

Pandas transpose允许我们指定复制 - 请参阅其文档：

In [38]: df.transpose(copy=True).values.flags
Out[38]: 
  C_CONTIGUOUS : True
  F_CONTIGUOUS : False
  OWNDATA : False
  WRITEABLE : True
  ALIGNED : True
  WRITEBACKIFCOPY : False
  UPDATEIFCOPY : False

因此在您的代码中使用可能（?? ？）解决问题：

 features = convert_to_df(features).transpose(copy=True)

我不能过足够的压力，您应该在问题中包含足够的信息。

Answer 2

即使所有列独立于＆gt; C_CONTIGUL：正确
整个df c_contigouul标志显示为false

# this solution worked for me
X, y = np.ascontiguousarray(df[required_cols]), df['labeled']

时，我转换了所需的列