toad.selection执行逐步回归方法时报错：ValueError: at least one array or dtype is required

[liuyin66670]

y = 'TARGET'
train_data = [
{'TARGET': 0, 'FEATURE1': -0.223144, 'FEATURE2': -0.223144, 'FEATURE3': -1.609438},
{'TARGET': 1, 'FEATURE1': -1.609438, 'FEATURE2': -0.223144, 'FEATURE3': -0.223144},
{'TARGET': 1, 'FEATURE1': -0.223144, 'FEATURE2': -0.223144, 'FEATURE3': -0.223144},
{'TARGET': 1, 'FEATURE1': -0.223144, 'FEATURE2': -0.223144, 'FEATURE3': -0.223144},
{'TARGET': 1, 'FEATURE1': -0.223144, 'FEATURE2': -1.609438, 'FEATURE3': -0.223144},
{'TARGET': 1, 'FEATURE1': -0.223144, 'FEATURE2': -0.223144, 'FEATURE3': -1.609438}
]
train_woe = pd.DataFrame(train_data)
final_train_data = toad.selection.stepwise(train_woe,target=y,estimator='lasso',max_iter=100,criterion='aic',direction='backward',exclude=to_drop,return_drop=False)
---------------------------- 代码如上，其中train_data为训练集经WOE转化后的数据 -------------------------------

执行逐步回归方法时，调用了selection.py里的stepwise方法，报错：ValueError: at least one array or dtype is required，按如下方式修改toad.selection.py里stepwise方法，可解决以上问题

    if direction == 'backward':
        if l <= 1:            --增加
            break             --增加
        for i in range(l):
            print(remaining)
            print(df[ remaining[:i] + remaining[i+1:] ])

---

请帮忙确认这样修改是否会影响到其他地方，是否是最优解决方案，感谢

系统：win10 64位
python版本：3.7
toad版本： 0.1.1

[Secbone]

@liuyin66670 非常赞！感谢你发现的问题，如果你愿意的话，可以提交PR来贡献这部分代码。 如果没有时间的话，也没有关系，请告知我，我会在下个版本修复这个问题！ 👍

这个问题确实是在 backward 的过程中，如果只剩下一个特征时，应该跳出循环，之前确实没有考虑到只筛剩下一个的情况 😢