Python 使用数组重塑数组。重塑（-1，1）

我有一个名为

data

的数据框架，我试图从中识别任何异常价格

数据帧头看起来像：

         Date  Last Price
0  29/12/2017     487.74
1  28/12/2017     422.85
2  27/12/2017     420.64
3  22/12/2017     492.76
4  21/12/2017     403.95

    data = pd.read_csv(path) 
    data = rawData['Last Price']

    data = data['Last Price']
    scaler = StandardScaler()
    np_scaled = scaler.fit_transform(data)
    data = pd.DataFrame(np_scaled)
    # train oneclassSVM 
    outliers_fraction = 0.01
    model = OneClassSVM(nu=outliers_fraction, kernel="rbf", gamma=0.01)
    model.fit(data)
    data['anomaly3'] = pd.Series(model.predict(data))

    fig, ax = plt.subplots(figsize=(10,6))
    a = data.loc[data['anomaly3'] == -1, ['date_time_int', 'Last Price']] #anomaly

    ax.plot(data['date_time_int'], data['Last Price'], color='blue')
    ax.scatter(a['date_time_int'],a['Last Price'], color='red')
    plt.show();

def getDistanceByPoint(data, model):
    distance = pd.Series()
    for i in range(0,len(data)):
        Xa = np.array(data.loc[i])
        Xb = model.cluster_centers_[model.labels_[i]-1]
        distance.set_value(i, np.linalg.norm(Xa-Xb))
    return distance

我发现了一些代码，我需要对这些代码稍作调整，以便加载数据，然后将timeseries与定标器进行比较。代码如下所示：

         Date  Last Price
0  29/12/2017     487.74
1  28/12/2017     422.85
2  27/12/2017     420.64
3  22/12/2017     492.76
4  21/12/2017     403.95

    data = pd.read_csv(path) 
    data = rawData['Last Price']

    data = data['Last Price']
    scaler = StandardScaler()
    np_scaled = scaler.fit_transform(data)
    data = pd.DataFrame(np_scaled)
    # train oneclassSVM 
    outliers_fraction = 0.01
    model = OneClassSVM(nu=outliers_fraction, kernel="rbf", gamma=0.01)
    model.fit(data)
    data['anomaly3'] = pd.Series(model.predict(data))

    fig, ax = plt.subplots(figsize=(10,6))
    a = data.loc[data['anomaly3'] == -1, ['date_time_int', 'Last Price']] #anomaly

    ax.plot(data['date_time_int'], data['Last Price'], color='blue')
    ax.scatter(a['date_time_int'],a['Last Price'], color='red')
    plt.show();

def getDistanceByPoint(data, model):
    distance = pd.Series()
    for i in range(0,len(data)):
        Xa = np.array(data.loc[i])
        Xb = model.cluster_centers_[model.labels_[i]-1]
        distance.set_value(i, np.linalg.norm(Xa-Xb))
    return distance

但是，请获取错误消息：

ValueError: Expected 2D array, got 1D array instead:
array=[487.74 422.85 420.64 ... 461.57 444.33 403.84].
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.

我不确定需要在哪里调整阵列的大小

有关信息，请参阅以下追溯：

 File "<ipython-input-23-628125407694>", line 1, in <module>
    runfile('C:/Users/stacey/Downloads/techJob.py', wdir='C:/Users/stacey/Downloads')

  File "C:\Anaconda_Python 3.7\2019.03\lib\site-packages\spyder_kernels\customize\spydercustomize.py", line 786, in runfile
    execfile(filename, namespace)

  File "C:\Anaconda_Python 3.7\2019.03\lib\site-packages\spyder_kernels\customize\spydercustomize.py", line 110, in execfile
    exec(compile(f.read(), filename, 'exec'), namespace)

  File "C:/Users/staceyDownloads/techJob.py", line 92, in <module>
    main()

  File "C:/Users/stacey/Downloads/techJob.py", line 56, in main
    np_scaled = scaler.fit_transform(data)

  File "C:\Anaconda_Python 3.7\2019.03\lib\site-packages\sklearn\base.py", line 464, in fit_transform
    return self.fit(X, **fit_params).transform(X)

  File "C:\Anaconda_Python 3.7\2019.03\lib\site-packages\sklearn\preprocessing\data.py", line 645, in fit
    return self.partial_fit(X, y)

  File "C:\Anaconda_Python 3.7\2019.03\lib\site-packages\sklearn\preprocessing\data.py", line 669, in partial_fit
    force_all_finite='allow-nan')

  File "C:\Anaconda_Python 3.7\2019.03\lib\site-packages\sklearn\utils\validation.py", line 552, in check_array
    "if it contains a single sample.".format(array))

ValueError: Expected 2D array, got 1D array instead:
array=[7687.77 7622.88 7620.68 ... 5261.57 5244.37 5203.89].
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.

文件“”，第1行，在
运行文件（'C:/Users/stacey/Downloads/techJob.py'，wdir='C:/Users/stacey/Downloads'）
文件“C:\Anaconda\u Python 3.7\2019.03\lib\site packages\spyder\u kernels\customize\spydercurcstomize.py”，第786行，在runfile中
execfile（文件名、命名空间）
文件“C:\Anaconda\u Python 3.7\2019.03\lib\site packages\spyder\u kernels\customize\spydercurcstomize.py”，第110行，在execfile中
exec（编译（f.read（），文件名，'exec'），命名空间）
文件“C:/Users/staceyDownloads/techJob.py”，第92行，在
main（）
文件“C:/Users/stacey/Downloads/techJob.py”，第56行，主目录
np_scaled=缩放器。拟合_变换（数据）
文件“C:\Anaconda\u Python 3.7\2019.03\lib\site packages\sklearn\base.py”，第464行，在fit\u转换中
返回self.fit（X，**fit_参数）.transform（X）
文件“C:\Anaconda\u Python 3.7\2019.03\lib\site packages\sklearn\preprocessing\data.py”，第645行
返回自我部分拟合（X，y）
文件“C:\Anaconda\u Python 3.7\2019.03\lib\site packages\sklearn\preprocessing\data.py”，第669行，部分匹配
force_all_finite='allow-nan'）
文件“C:\Anaconda\u Python 3.7\2019.03\lib\site packages\sklearn\utils\validation.py”，第552行，在check\u数组中
“如果它包含单个样本。”。格式（数组））
ValueError:应为2D数组，而应为1D数组：
数组=[7687.77 7622.88 7620.68…5261.57 5244.37 5203.89]。
使用数组重塑数据。如果数据具有单个特征或数组，则重塑（-1，1）。如果数据包含单个样本，则重塑（1，-1）。

您应该能够通过更改此行来修复错误：

np_scaled = scaler.fit_transform(data)

为此：

np_scaled = scaler.fit_transform(data.values.reshape(-1,1))

---

Python总是提供一个回溯，显示问题的根源。请把它复制到你的问题中。这是你的问题。您可以在回溯中找到确切的一行：

文件“C:/Users/stacey/Downloads/SIGtechJob.py”，第56行，在主np_scaled=scaler.fit_transform（data）

中，您是否理解

sklearn

功能的含义？它对数据输入有一定的约定。研究这些是个好主意；否则，您最终可能会修补代码，一次一个错误，而不了解原因。