Python ValueError:无法将输入数组从形状（90742,1）广播到形状（240742,1）

我遇到

ValueError:无法将输入数组从形状（90742,1）广播到形状（240742,1）。

这是我的密码：

# shift train predictions for plotting 
train_predict_plot = np.empty_like(data)
train_predict_plot[:, :] np.nan
train_predict_plot[lags:len(train_predict)+lags, :] = train_predict

# shift test predictions for plotting
test_predict_plot = np.empty_like(data)
test_predict_plot[:, :] = np.nan
test_predict_plot[len(train_predict) + (lags * 2)+1:len(data)-1, :] = test_predict

# plot observation and predictions 
plt.plot(data, label='Observed', color='#006699'); 
plt.plot(train_predict_plot, label='Prediction for Train Set', color='#006699', alpha=0.5); 
plt.plot(test_predict_plot, label='Prediction for Test Set', color='#ff0066'); 
plt.legend(loc='upper left') 
plt.title('LSTM Recurrent Neural Net') 
plt.show()

以下是错误：

---

我已经看了前面的问题，但它们都不同。有人能告诉我如何解决这个问题，特别是在我的情况下？非常感谢。

因此，您的

测试预测。形状必须是
（90742,1）
您所面临的错误，因为
测试预测图[240742，：]=test\u predict
这里的输入

test\u predict\u plot[75003:315745，：]
的形状变为
（240742,1）
，并输入一个比此形状更短或不同的数组将抛出错误

我试图通过运行您在链接中提供的代码来重现错误，但没有出现错误，原因如下：
len（train\u predict）=116
，
len（data）=144
和
len（test\u predict）=20
，这与代码的计算非常吻合。在这一行代码中，我所说的计算是指：

    test_predict_plot[len(train_predict)+(lags*2)+1:len(data)-1, :] = test_predict

这将成为：

    test_predict_plot[116+6+1:144-1, :] = test_predict 

因此，您需要对代码进行更改，以使输入的长度匹配。
您也可以通过以下代码更改尝试：

    test_predict_plot[<len(test_predict)>, :] = test_predict

您需要在此处进行更改：

    train_predict_plot = np.empty_like(data[150000:, :])
    train_predict_plot[:, :] = np.nan
    train_predict_plot[lags: len(train_predict) + lags, :] = train_predict

    # shift test predictions for plotting
    test_predict_plot = np.empty_like(data[150000:, :])
    test_predict_plot[:, :] = np.nan
    test_predict_plot[len(train_predict)+(lags*2)+1:len(data[150000:, :])-1, :] = test_predict

你真的应该把你的代码放在你的问题里面，并且正确地格式化它，而不是仅仅发布一张图片。人们更倾向于这样帮助你。数据的形状是什么？我认为数据的长度小于列车的长度，这就是为什么它是抛出错误的原因。通过
len（data）
和
len（train\u predict）
进行检查，您是如何定义
滞后的？@rahlf23我试着发布我的代码。。。但是有一个缩进错误。我稍后会设法解决这个问题。我在这个网站上用LSTM代码跟踪了时间序列：是的，lags=3谢谢你的回复，发布你的代码，如果缩进错误存在，人们可以帮助解决，但是你真的应该发布重现问题所需的所有代码（即所需的所有变量），我还不明白。怎么能让你看看我的全部代码？@mattcoder79我已经编辑了答案。你现在能理解了吗？@mattcoder79如果你能把你的代码推到git上，那就告诉我。@mattcoder79发现了问题：
train=dataset[150000:225000，：]test=dataset[225000:，：]
你需要在这里做些修改：
train\u predict\u plot=np.empty\u like（data[150000:，：]）train\u predict\u plot[：，：]=np.nan训练预测图[lags:len（训练预测）+lags，：]=train#U预测图的移位测试预测绘制测试预测图=np.empty#like（数据[150000:，：]）测试预测图[：，：]=np.nan测试预测图[len（训练预测）+（lags*2）+1:len（[150000:，：）-1，：]=测试预测
    train_predict_plot = np.empty_like(data[150000:, :])
    train_predict_plot[:, :] = np.nan
    train_predict_plot[lags: len(train_predict) + lags, :] = train_predict

    # shift test predictions for plotting
    test_predict_plot = np.empty_like(data[150000:, :])
    test_predict_plot[:, :] = np.nan
    test_predict_plot[len(train_predict)+(lags*2)+1:len(data[150000:, :])-1, :] = test_predict