列表中的数组

Question

我真的很困惑试图解决这个问题。我正在尝试使用 sklearn 函数：MinMaxScaler 但出现错误，因为我似乎正在设置一个带有序列的数组元素。

密码是：

    raw_values = series.values
    # transform data to be stationary
    diff_series = difference(raw_values, 1); 
    diff_values = diff_series.values; 
    diff_values = diff_values.reshape(len(diff_values), 1) 

    # rescale values to 0,1
    scaler = MinMaxScaler(feature_range=(0, 1))
    scaled_values = scaler.fit_transform(diff_values); print(scaled_values)
    scaled_values = scaled_values.reshape(len(scaled_values), 1)

"series" 是一个差异时间序列，我试图在 [0,1] 和 MinMaxScaler 之间重新缩放，并且时间序列之前在 pandas 中有所差异。

当运行代码时出现以下错误： ValueError: setting an array element with a sequence.

我不明白的是，如果一列中只有一个 feature 或变量，代码运行正常，但在这种情况下 我有 2 features，每一个在不同的列中。

回溯：

File "C:/....py", line 88, in prepare_data
    scaled_values = scaler.fit_transform(diff_values); print(scaled_values)
  File "C:\Users\name\AppData\Roaming\Python\Python35\site-packages\sklearn\base.py", line 494, in fit_transform
    return self.fit(X, **fit_params).transform(X)
  File "C:\Users\name\AppData\Roaming\Python\Python35\site-packages\sklearn\preprocessing\data.py", line 292, in fit
    return self.partial_fit(X, y)
  File "C:\Users\name\AppData\Roaming\Python\Python35\site-packages\sklearn\preprocessing\data.py", line 318, in partial_fit
    estimator=self, dtype=FLOAT_DTYPES)
  File "C:\Users\name\AppData\Roaming\Python\Python35\site-packages\sklearn\utils\validation.py", line 382, in check_array
    array = np.array(array, dtype=dtype, order=order, copy=copy)
ValueError: setting an array element with a sequence.

这就是我打印 diff_values

得到的结果

[[array([  -1.3,  119. ])]
 [array([ 0.5, -9. ])]
 [array([  0.8,  17. ])]
 ..., 
 [array([   2.8,  742. ])]
 [array([  1.50000000e+00,  -1.65900000e+03])]
 [array([  -2.,  856.])]]

完整代码不是我的，它是从 here

获得的

编辑：

Here 是我的数据集

只要把名字'shampoo-sales.csv'换成'datos2.csv'和这句话：

return datetime.strptime('190'+x, '%Y-%m')

给这个：

return datetime.strptime(''+x, '%Y-%m-%d')

Answer 1

在您链接的教程中，object series 实际上是 Pandas Series。它是一个信息向量，带有一个命名索引。然而，您的数据集包含两个信息字段，以及时间序列索引，这使其成为 DataFrame。这就是教程代码与您的数据中断的原因。

这是您的数据示例：

import pandas as pd

def parser(x):
    return datetime.strptime(''+x, '%Y-%m-%d')

df = pd.read_csv("datos2.csv", header=None, parse_dates=[0], 
                 index_col=0, squeeze=True, date_parser=parser)
df.head()
               1     2
0                     
2012-01-01  10.9  3736
2012-01-02  10.3  3570
2012-01-03   9.0  3689
2012-01-04   9.5  3680
2012-01-05  10.3  3697

以及教程中的等效部分：
"Running the example loads the dataset as a Pandas Series and prints the first 5 rows."

Month
1901-01-01    266.0
1901-02-01    145.9
1901-03-01    183.1
1901-04-01    119.3
1901-05-01    180.3
Name: Sales, dtype: float64

要验证这一点，select 您的一个字段并将其存储为 series，然后尝试运行宁 MinMaxScaler。您会看到运行s 没有错误：

series = df[1]
# ... compute difference and do scaling ...
print(scaled_values)
[[ 0.58653846]
 [ 0.55288462]
 [ 0.63942308]
 ..., 
 [ 0.75      ]
 [ 0.6875    ]
 [ 0.51923077]]

注意：与教程数据相比，您的数据集中的另一个细微差别是您的数据中没有 header。设置 header=None 以避免将第一行数据分配为列 headers.

更新
要将整个数据集传递给 MinMaxScaler，只需在两列上运行 difference() 并传递转换后的向量以进行缩放。 MinMaxScaler 接受 n-dimensional DataFrame object:

ncol = 2
diff_df = pd.concat([difference(df[i], 1) for i in range(1,ncol+1)], axis=1)
scaler = MinMaxScaler(feature_range=(0, 1))
scaled_values = scaler.fit_transform(diff_df)

列表中的数组

Array inside list

python

pandas

scikit-learn

sklearn-pandas