如何将`to csv`保存在`os.path.join`中，并将其发送到另一个路径以下载回python中

该系统将上传一个csv文件用于预测，并将预测结果转换为新的csv文件。之后，用户可以从HTML页面中的

下载按钮下载csv文件，但我无法将我的
加入到
os.path.join
并返回HTML页面中的
csv文件
from
send\u from directory
，有人擅长python吗，请纠正我~谢谢你的帮助

@app.route('/transform', methods=["POST"])
def transform_view():
 if request.method == 'POST':
        f = request.files['data_file']
        if not f:
            return "No file"

        
        stream = io.StringIO(f.stream.read().decode("UTF8"), newline=None)
        csv_input = csv.reader(stream)
        stream.seek(0)
        result = stream.read()
        df = pd.read_csv(StringIO(result), usecols=[1])
        
        #extract month value
        df2 = pd.read_csv(StringIO(result))
        matrix2 = df2[df2.columns[0]].to_numpy()
        list1 = matrix2.tolist()
         
        # load the model from disk
        model = load_model('model.h5')
        dataset = df.values
        dataset = dataset.astype('float32')
        scaler = MinMaxScaler(feature_range=(0, 1))
        dataset = scaler.fit_transform(dataset)
        look_back = 1
        dataset_look = create_dataset(dataset, look_back)
        dataset_look = np.reshape(dataset_look, (dataset_look.shape[0], 1, dataset_look.shape[1]))
        predict = model.predict(dataset_look)
        transform = scaler.inverse_transform(predict)

        X_FUTURE = 12
        transform = np.array([])
        last = dataset[-1]
        for i in range(X_FUTURE):
            curr_prediction = model.predict(np.array([last]).reshape(1, look_back, 1))
            last = np.concatenate([last[1:], curr_prediction.reshape(-1)])
            transform = np.concatenate([transform, curr_prediction[0]])
      
        transform = scaler.inverse_transform([transform])[0]

        dicts = []
        curr_date = pd.to_datetime(list1[-1])
        for i in range(X_FUTURE):
            curr_date = curr_date +  relativedelta(months=+1)
            dicts.append({'Predictions': transform[i], "Month": curr_date})
            

        new_data = pd.DataFrame(dicts).set_index("Month")
        ##df_predict = pd.DataFrame(transform, columns=["predicted value"])

        new_data.to_csv(os.path.join("downloads", index = True, encoding='utf8'))

        labels = [d['Month'] for d in dicts]
            
        values = [d['Predictions'] for d in dicts]

        colors = [ "#F7464A", "#46BFBD", "#FDB45C", "#FEDCBA",
                       "#ABCDEF", "#DDDDDD", "#ABCABC", "#4169E1",
                       "#C71585", "#FF4500", "#FEDCBA", "#46BFBD"]

        line_labels=labels
        line_values=values
        return render_template('graph.html', title='Time Series Sales forecasting', max=17000, labels=line_labels, values=line_values, filename = filename)

@app.route('/download/<filename>')
def download(filename):
    return send_from_directory("downloads", filename, as_attachment = True)

@app.route（'/transform'，methods=[“POST”]）
def transform_view（）：
如果request.method==“POST”：
f=请求.files['data_file']
如果不是f：
返回“无文件”
stream=io.StringIO（f.stream.read（）.decode（“UTF8”），换行符=None）
csv\u输入=csv.reader（流）
stream.seek（0）
结果=stream.read（）
df=pd.read\u csv（StringIO（结果），usecols=[1]）
#提取月值
df2=pd.read\U csv（字符串（结果））
matrix2=df2[df2.columns[0]]to_numpy（）
list1=matrix2.tolist（）
#从磁盘加载模型
模型=负荷\模型（'model.h5'））
数据集=df.values
dataset=dataset.astype（'float32'）
scaler=MinMaxScaler（功能范围=（0,1））
dataset=scaler.fit_变换（dataset）
回头看=1
dataset\u look=创建\u数据集（dataset，look\u back）
dataset_look=np.Reformate（dataset_look，（dataset_look.shape[0]，1，dataset_look.shape[1]））
predict=model.predict（数据集\u外观）
变换=定标器。逆变换（预测）
X_未来=12
transform=np.array（[]）
last=数据集[-1]
对于范围内的i（X_未来）：
curr_prediction=model.predict（np.array（[last]）。重塑（1，look_back，1））
last=np.concatenate（[last[1:]，curr\u prediction.reformate（-1）]）
transform=np.连接（[transform，curr\u prediction[0]]））
变换=定标器。逆变换（[transform]）[0]
dicts=[]
curr\u date=pd.to\u datetime（列表1[-1]）
对于范围内的i（X_未来）：
当前日期=当前日期+相对延迟（月=+1）
追加（{'Predictions'：transform[i]，“Month”：curr_date}）
新数据=pd.数据帧（dicts）.设置索引（“月”）
##df_predict=pd.DataFrame（转换，列=[“预测值”]）
新的到csv的数据（os.path.join（“下载”，index=True，encoding='utf8'））
标签=[d['Month']表示dicts中的d]
数值=[d['predicts']表示dicts中的d]
颜色=[“F7464A”、“46BFBD”、“FDB45C”、“FEDCBA”，
“ABCDEF”、“DDDD”、“ABCABC”、“4169E1”，
“C71585”、“FF4500”、“FEDCBA”、“46BFBD”]
line_标签=标签
行_值=值
返回渲染模板（'graph.html'，title='Time Series Sales forecasting'，max=17000，labels=line\u labels，values=line\u values，filename=filename）
@app.route（“/download/”）
def下载（文件名）：
从_目录返回发送_（“下载”，文件名，如_attachment=True）

#HTML页面



<a href="{{ url_for('download', filename=filename) }}">Download</a>