由于某些原因，train_testrongplit，尽管长度相同，索引看起来相同，但会触发此错误。
from sklearn.model_selection import KFold
data = {'col1':[30.5,45,1,99,6,5,4,2,5,7,7,3], 'col2':[99.5, 98, 95, 90,1,5,6,7,4,4,3,3],'col3':[23, 23.6, 3, 90,1,9,60,9,7,2,2,1]}
df = pd.DataFrame(data)
train, test = train_test_split(df, test_size=0.10)
X = train[['col1', 'col2']]
y2 = train['col3']
X = np.array(X)
kf = KFold(n_splits=3, shuffle=True)
for train_index, test_index in kf.split(X):
X_train, y_train = X[train_index], y[train_index]
y是熊猫系列(长度与x相同(。x是一个数据帧，大约有20个数字列被投射到numpy数组中。
由于某些原因，train_testrongplit会触发错误，尽管长度相同。
如果我不叫train_testrongplit，它会很好用。
最后一行由于尝试以这种方式对numpy数组进行索引而触发错误：y[train_ind]
我试图为您的情况创建一个场景。
我创建了以下数据帧：
col1 col2 col3
0 1 2 1
1 3 4 0
2 5 6 1
3 7 8 0
4 9 10 1
5 11 12 0
6 13 14 1
7 15 16 0
8 17 18 1
9 19 20 0
10 21 22 1
11 23 24 0
12 25 26 1
13 27 28 0
14 29 30 1
我为X设置col1和col2，为y设置col3。之后，我将X转换为numpy数组，如下所示。唯一的区别是我在KFold中使用了shuffle。
X = df[['col1', 'col2']]
y = df['col3']
X = np.array(X)
kf = KFold(n_splits=3, shuffle=True)
for train_index, test_index in kf.split(X):
X_train, y_train = X[train_index], y[train_index]
而且效果很好。所以请检查我的代码和你的代码，如果我遗漏了什么，请澄清。
更新
我假设y2是y。所以y类型仍然是Series，你需要使用.iloc。下面的代码运行得很好。
data = {'col1':[30.5,45,1,99,6,5,4,2,5,7,7,3], 'col2':[99.5, 98, 95, 90,1,5,6,7,4,4,3,3],'col3':[23, 23.6, 3, 90,1,9,60,9,7,2,2,1]}
df = pd.DataFrame(data)
train, test = train_test_split(df, test_size=0.10)
X = train[['col1', 'col2']]
y = train['col3']
X = np.array(X)
kf = KFold(n_splits=3, shuffle=True)
for train_index, test_index in kf.split(X):
X_train, y_train = X[train_index], y.iloc[train_index]
如果这对任何人都有帮助，我在数据帧上使用.groupby函数时也遇到了同样的问题。我使用修复了它
df.reset_index(drop=True, inplace=True)