Python sklearn：需要重塑阵列，但不要'；我不知道在哪里

我已经尝试了几乎所有的方法，我知道有一种方法或一些东西我错过了，我真的是在ML的noob，但我真的非常感谢任何帮助或解释

df[“Date”]和df[“Open”]是类似于[1,2，…，10]的数组。

import pandas as pd
import numpy as np
from sklearn.linear_model import LinearRegression

df = pd.read_csv('AAPL.csv')
clf = LinearRegression()

i = 0
for date in df["Date"]:
    s = date
    s = s.replace("-","")
    df["Date"][i] = s

    i += 1

clf.fit(df["Date"],df["Open"])
print("Prediction:", clf.predict(df["Date"][-1]))

下面是Python给我带来的错误：

ValueError: Expected 2D array, got 1D array instead:
array=[19801212. 19801215. 19801216. ... 20191127. 20191129. 20191202.].

Reshape your data either using array.reshape(-1, 1) if your data has a single
feature or array.reshape(1, -1) if it contains a single sample. line 16

经过一些尝试、错误和谷歌搜索，我发现了如何通过以下方式重塑df[“日期”：

clf.fit（np.array（df[“Date”]）。重塑（-1,1），df[“Open”]）

但现在我要说的是：

ValueError:输入包含NaN、无穷大或对数据类型（'float64'）太大的值。

非常感谢您的帮助，提前谢谢。

关于整形：

clf.fit(df["Date"].values.reshape(-1,1),df["Open"].values.reshape(-1,1))

但不确定您是否有正确的

datetime

类型列，因为

df[“Date”]

可以将其作为字符串读取。您可以执行以下操作：

df["Date"] = pd.to_numeric(pd.to_datetime(df["Date"]))

用于类型转换（最后为整数）。最后，如果您有

nan

行，可以使用以下方法消除它们：

df = df.dropna(how='any',axis=0, subset=['Date','Open'])

---

希望这能起作用。

df['Date']

看起来像字符串值。我认为这不适合线性回归。双方括号不是单clf.fit（df[[“Date”]]，df[“Open”]]）双平方：ValueError:Input包含NaN、无穷大或对dtype太大的值（'float64'）。我认为scikitlearn允许数据帧如此clf.fit（df）[['date']]，df['Open']]）也应work@Ryan在

x

上只有两个括号：

clf.fit（df['date']]，df['Open']）

。