使用lstm预测股票价格的python机器学习项目中预处理数据时出错
运行命令使用lstm预测股票价格的python机器学习项目中预处理数据时出错,python,pandas,numpy,machine-learning,Python,Pandas,Numpy,Machine Learning,运行命令df=df['open'].values,我得到了以下错误:索引器:只有整数、片(:)、省略号(…)、NumPy.newaxis(无)和整数或布尔数组是有效的索引。你能告诉我是什么导致了这个问题吗 错误出现前的完整代码如下所示: import numpy as np import pandas as pd import matplotlib.pyplot as plt from sklearn.preprocessing import MinMaxScaler from keras.m
df=df['open'].values
,我得到了以下错误:索引器:只有整数、片(:
)、省略号(…
)、NumPy.newaxis(无
)和整数或布尔数组是有效的索引。你能告诉我是什么导致了这个问题吗
错误出现前的完整代码如下所示:
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.preprocessing import MinMaxScaler
from keras.models import Sequential, load_model
from keras.layers import LSTM, Dense, Dropout
import os
import tensorflow as tf
df = pd.read_csv(r'C:\Users\xxx\Downloads\AAPL.csv')
df.head()
df = df['open'].values
df = df.reshape(-1,1)
print(df.shape)
df[:7]
执行此操作将返回错误---------------------------------------------------------------------------
索引器回溯(最后一次最近调用)
in
---->1 df=df['open'].值
2 df=df.重塑(-1,1)
3打印(df.形状)
4 df[:7]
索引器错误:只有整数、片(:
)、省略号(…
)、numpy.newaxis(None
)和整数或布尔数组是有效的索引
如果这意味着我不能处理浮点值,可以采取什么措施来解决这个问题?大多数股票开盘价都是浮动的。我是一名机器学习初学者,我正在做最后一年的工程项目。这是一个与笔记本相关的问题。一旦运行以
df=df['open'].值开始的单元格,df
将成为一个NumPy数组。然后,如果再次运行此单元格,则会出现该错误。所以:快速修复方法是再次读取CSV(或重新启动内核)。然后您可以重命名open_values=df[“open”]。值
,这样数据帧df
就不会改变了。@MustafaAydın感谢man的快速帮助。我很长一段时间都不知道它第一次是如何运行的,第二次就开始胡闹了。我认为我在某个地方犯了一些语法错误,并且一直在搜索整个代码,寻找我犯错误的地方,尽管它只有8-10行。谢谢。
<ipython-input-11-ccc5d87305f2> in <module>
----> 1 df = df['open'].values
2 df = df.reshape(-1,1)
3 print(df.shape)
4 df[:7]