Pandas 从列表到pd数据帧，再将问题重塑为神经网络的目标

我正在建立一个简单的神经网络，它是基于顺序的，并且从csv文件中检索列车测试数据。 共有13个特征，15个样本，目标是五个选项中的任意一个（例如，五种颜色中的任意颜色）。用作xtrain的13个特征值存储在13个不同的列中，这是预期的。详情如下:

      feat_1    feat_2    feat_3  ...   feat_11       feat_12       feat_13
0   0.090826  0.923077  0.015069  ...  0.957858      0.567030      0.526956
1   0.129642  0.910377  0.055787  ...  0.923693      0.567030      0.586102
2   0.116605  0.909931  0.000000  ...  0.884767      0.526956      0.586102
.
.
.
13  0.080155  0.919048  0.000000  ...  0.945022      0.586102      0.576427
14  0.124639  0.857820  0.279808  ...  0.937488      0.523185      0.576427

[15 rows x 13 columns] <class 'pandas.core.frame.DataFrame'> (15, 13)  

feat_1 feat_2 feat_3。。。壮举11壮举12壮举13
0   0.090826  0.923077  0.015069  ...  0.957858      0.567030      0.526956
1   0.129642  0.910377  0.055787  ...  0.923693      0.567030      0.586102
2   0.116605  0.909931  0.000000  ...  0.884767      0.526956      0.586102
.
.
.
13  0.080155  0.919048  0.000000  ...  0.945022      0.586102      0.576427
14  0.124639  0.857820  0.279808  ...  0.937488      0.523185      0.576427
[15行x 13列]（15,13）

但是目标（y_列）不在不同的列中，而不是在一列中，并且每个y_列都保存为列表。当它被称为y_train时，它看起来是这样的：

0     [1, 0, 0, 0, 0]
1     [0, 0, 1, 0, 0]
.
.
13    [0, 0, 0, 1, 0]
14    [0, 1, 0, 0, 0]
Name: target_comb_list, dtype: object <class 'pandas.core.series.Series'> (15,) ytrain

0[1,0,0,0,0]
1     [0, 0, 1, 0, 0]
.
.
13    [0, 0, 0, 1, 0]
14    [0, 1, 0, 0, 0]
名称：target\u comb\u list，数据类型：object（15，）ytrain

当输入到培训中时，显示错误：

ValueError:为输出传递了形状为（15，1）的目标数组 当用作损失时的形状（无，5）

binary\u交叉熵

我认为这个问题可以通过将pd.series列表转换成pd.dataframe来解决，但我没有成功。我试图将其转换为数据帧

y_列=pd.数据帧（y_列）

但它显示了以下错误：

ValueError:为输出传递了形状为（15，1）的目标数组 形状（无，5）

我还尝试将每个列表更改为系列，而不是放入数据帧，但也失败了。

---

有什么最佳方法可以解决此问题吗？

您可以先将其强制转换为列表，将其转换为numpy数组：

np.array(list(target_comb_list))

然后，如有必要，您可以将其转换为数据帧：

pd.DataFrame(np.array(list(target_comb_list)))

---

您使用什么创建网络？尝试将y数组转换为15x5 numpy数组。我认为

DataFrame.explode

在这里可能有用。@Robby:我试图将整个系列更改为np.array，然后再更改为DataFrame。我还尝试将该系列的每个元素（实际上是“列表”）更改为np数组，然后更改为df。但这两个案例都失败了，发生了什么？我尝试了上面的代码，它可以很好地处理与您类似结构的数据。它在形状上显示了相同的错误。然后我使用了

DataFrame.explode

，然后对其进行了重塑。现在它正在工作。