python-3.x - 在 python 中使用 lstm 预测值时，“numpy.ndarray”对象没有属性 'iterrows'

Question

我有一个包含三个输入的数据集，并尝试结合先前的输入值来预测 X1 的下一个值。

我的三个输入是 X1、X2、X3、X4。

所以我在这里尝试预测 X1 的下一个 future 值。为了预测下一个 X1，这四个输入组合会影响:

X1 + X2 - X3 -X4

我在类中编写了这段代码。然后我编写了运行 lstm 的代码。之后我编写了预测值的代码。然后它给了我这个错误。谁能帮我解决这个问题吗？

我的代码:

def model_predict(data):
pred=[]
for index, row in data.iterrows():
    val = row['X1']
    if np.isnan(val):
        data.iloc[index]['X1'] = pred[-1]
        row['X1'] = pred[-1]
        f = row['X1','X2','X3','X4']
        s = row['X1'] - row['X2'] + row['X3'] -row['X4']
        val = model.predict(s)
        pred.append(val)
return np.array(pred)

在 lstm 代码之后，我编写了预测值的代码:

pred = model_predict(x_test_n)

给我这个错误:

  ` ---> 5 pred = model_predict(x_test_n)

    def model_predict(data):
     pred=[]
  -->for index, row in data.iterrows():
        val = row['X1']
        if np.isnan(val):`     
   AttributeError: 'numpy.ndarray' object has no attribute 'iterrows'

Answer 1

显然，函数的data参数是Numpy数组，而不是DataFrame。数据作为np.ndarray，也没有命名列。

可能的解决方案之一，将参数保留为np.ndarray是:

• 使用 np.apply_along_axis() 迭代此数组的行，
• 通过索引(而不是名称)引用列。

另一个解决方案是从数据创建DataFrame，设置适当的列名称并迭代其行。

可能的解决方案之一是如何在没有 DataFrame 的情况下编写代码

假设data是一个有4列的Numpy表，分别包含X1、X2、X3和X4:

[[ 1  2  3  4]
 [10  8  1  3]
 [20  6  2  5]
 [31  3  3  1]]

那么你的函数可以是:

def model_predict(data):
    s = np.apply_along_axis(lambda row: row[0] + row[1] - row[2] - row[3],
        axis=1, arr=data)
    return model.predict(s)

请注意:

• s - 模型的所有输入值 - 可以在一次中计算指令，为每行 (axis=1) 调用 apply_along_axis，
• 预测也可以“一次性”计算，传递一个Numpy矢量 - 只是s。

出于演示目的，计算并打印s。