- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我似乎无法使 fit = Forecast.Arima(series, order=order, xreg=r_exog_train)
行正常工作。它确实可以在没有 xreg 参数的情况下工作,所以我很确定 numpy 数组到 rpy2 矩阵的转换会产生问题。
有人发现这里有错误吗?谢谢!
这是我收到的错误(不幸的是,部分内容是德语):
Fehler in `colnames<-`(`*tmp*`, value = if (ncol(xreg) == 1) nmxreg else paste(n
mxreg, :
Länge von 'dimnames' [2] ungleich der Arrayausdehnung
Traceback (most recent call last):
File "r.py", line 58, in <module>
res = do_forecast(series, horizon=horizon, exog=(exog_train, exog_test))
File "r.py", line 39, in do_forecast
fit = forecast.Arima(series, order=order, xreg=exog_train)
File "C:\Python27\lib\site-packages\rpy2\robjects\functions.py", line 86, in _
_call__
return super(SignatureTranslatedFunction, self).__call__(*args, **kwargs)
File "C:\Python27\lib\site-packages\rpy2\robjects\functions.py", line 35, in _
_call__
res = super(Function, self).__call__(*new_args, **new_kwargs)
rpy2.rinterface.RRuntimeError: Fehler in `colnames<-`(`*tmp*`, value = if (ncol(
xreg) == 1) nmxreg else paste(nmxreg, :
Lõnge von 'dimnames' [2] ungleich der Arrayausdehnung
下面是代码示例:
# Python wrapper for R forecast stuff
import numpy as np
print 'Start importing R.'
from rpy2 import robjects
from rpy2.robjects.packages import importr
from rpy2.robjects.numpy2ri import numpy2ri
robjects.conversion.py2ri = numpy2ri
base = importr('base')
forecast = importr('forecast')
stats = importr('stats')
ts = robjects.r['ts']
print 'Finished importing R.'
def nparray2rmatrix(x):
nr, nc = x.shape
xvec = robjects.FloatVector(x.transpose().reshape((x.size)))
xr = robjects.r.matrix(xvec, nrow=nr, ncol=nc)
return xr
def nparray2rmatrix_alternative(x):
nr, nc = x.shape
xvec = robjects.FloatVector(x.reshape((x.size)))
xr = robjects.r.matrix(xvec, nrow=nr, ncol=nc, byrow=True)
return xr
def do_forecast(series, frequency=None, horizon=30, summary=False, exog=None):
if frequency:
series = ts(series, frequency=frequency)
else:
series = ts(series)
if exog:
exog_train, exog_test = exog
r_exog_train = nparray2rmatrix(exog_train)
r_exog_test = nparray2rmatrix(exog_test)
order = robjects.IntVector([1, 0, 2]) # c(1,0,2) # TODO find right model
fit = forecast.Arima(series, order=order, xreg=r_exog_train)
forecast_result = forecast.forecast(fit, h=horizon, xreg=r_exog_test)
else:
# fit = forecast.auto_arima(series)
#robjects.r.plot(series)
fit = stats.HoltWinters(series)
forecast_result = forecast.forecast(fit, h=horizon)
if summary:
modsummary = base.summary(fit)
print modsummary
forecast_values = np.array(list(forecast_result.rx2('mean')))
return forecast_values
# Example
series = np.arange(100)
exog_train = np.ones((100,2))
exog_test = np.ones((100,2))
horizon = 100
res = do_forecast(series, horizon=horizon, exog=(exog_train, exog_test))
print res
最佳答案
我通过明确声明“dimnames”来使其工作,如下所示:xr = robjects.r.matrix(xvec, nrow=nr, ncol=nc, dimnames=dimnames)
。显然预测包需要这个。
关于r - 将numpy数组转换为rpy2矩阵(预测包,xreg参数),我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/14463600/
作为脚本的输出,我有 numpy masked array和标准numpy array .如何在运行脚本时轻松检查数组是否为掩码(具有 data 、 mask 属性)? 最佳答案 您可以通过 isin
我的问题 假设我有 a = np.array([ np.array([1,2]), np.array([3,4]), np.array([5,6]), np.array([7,8]), np.arra
numpy 是否有用于矩阵模幂运算的内置实现? (正如 user2357112 所指出的,我实际上是在寻找元素明智的模块化减少) 对常规数字进行模幂运算的一种方法是使用平方求幂 (https://en
我已经在 Numpy 中实现了这个梯度下降: def gradientDescent(X, y, theta, alpha, iterations): m = len(y) for i
我有一个使用 Numpy 在 CentOS7 上运行的项目。 问题是安装此依赖项需要花费大量时间。 因此,我尝试 yum install pip install 之前的 numpy 库它。 所以我跑:
处理我想要旋转的数据。请注意,我仅限于 numpy,无法使用 pandas。原始数据如下所示: data = [ [ 1, a, [, ] ], [ 1, b, [, ] ], [ 2,
numpy.random.seed(7) 在不同的机器学习和数据分析教程中,我看到这个种子集有不同的数字。选择特定的种子编号真的有区别吗?或者任何数字都可以吗?选择种子数的目标是相同实验的可重复性。
我需要读取存储在内存映射文件中的巨大 numpy 数组的部分内容,处理数据并对数组的另一部分重复。整个 numpy 数组占用大约 50 GB,我的机器有 8 GB RAM。 我最初使用 numpy.m
处理我想要旋转的数据。请注意,我仅限于 numpy,无法使用 pandas。原始数据如下所示: data = [ [ 1, a, [, ] ], [ 1, b, [, ] ], [ 2,
似乎 numpy.empty() 可以做的任何事情都可以使用 numpy.ndarray() 轻松完成,例如: >>> np.empty(shape=(2, 2), dtype=np.dtype('d
我在大型 numpy 数组中有许多不同的形式,我想使用 numpy 和 scipy 计算它们之间的边到边欧氏距离。 注意:我进行了搜索,这与堆栈中之前的其他问题不同,因为我想获得数组中标记 block
我有一个大小为 (2x3) 的 numpy 对象数组。我们称之为M1。在M1中有6个numpy数组。M1 给定行中的数组形状相同,但与 M1 任何其他行中的数组形状不同。 也就是说, M1 = [ [
如何使用爱因斯坦表示法编写以下点积? import numpy as np LHS = np.ones((5,20,2)) RHS = np.ones((20,2)) np.sum([ np.
假设我有 np.array of a = [0, 1, 1, 0, 0, 1] 和 b = [1, 1, 0, 0, 0, 1] 我想要一个新矩阵 c 使得如果 a[i] = 0 和 b[i] = 0
我有一个形状为 (32,5) 的 numpy 数组 batch。批处理的每个元素都包含一个 numpy 数组 batch_elem = [s,_,_,_,_] 其中 s = [img,val1,val
尝试为基于文本的多标签分类问题训练单层神经网络。 model= Sequential() model.add(Dense(20, input_dim=400, kernel_initializer='
首先是一个简单的例子 import numpy as np a = np.ones((2,2)) b = 2*np.ones((2,2)) c = 3*np.ones((2,2)) d = 4*np.
我正在尝试平均二维 numpy 数组。所以,我使用了 numpy.mean 但结果是空数组。 import numpy as np ws1 = np.array(ws1) ws1_I8 = np.ar
import numpy as np x = np.array([[1,2 ,3], [9,8,7]]) y = np.array([[2,1 ,0], [1,0,2]]) x[y] 预期输出: ar
我有两个数组 A (4000,4000),其中只有对角线填充了数据,而 B (4000,5) 填充了数据。有没有比 numpy.dot(a,b) 函数更快的方法来乘(点)这些数组? 到目前为止,我发现
我是一名优秀的程序员,十分优秀!