dataset = pd.read_csv('2019.csv', delimiter=",") dataset=np.array(dataset) #转换为NumPy数组 m,n=np.shape(dataset) totalX=np.zeros((m-d,d)) #创建了一个大小为 (m-d) x d 的全零矩阵 totalY=np.zeros((m-d,l)) for i in range(m-d):#分组：前三个值输入，第四个值输出 totalX[i][0]=dataset[i][0] totalX[i][1]=dataset[i][1] totalX[i][2]=dataset[i][2] totalY[i][0]=dataset[i][3] #归一化数据 Normal_totalX=np.zeros((m-d,d)) Normal_totalY=np.zeros((m-d,l))修改成一行一组前三列输入，第四列输出输出

totalX[i] = dataset[i:i+d, :3].reshape(1, -1) #取前三列作为输入 totalY[i] = dataset[i+d, 3] #取第四列作为输出 Normal_totalX=np.zeros((m-d,d)) Normal_totalY=np.zeros((m-d,l))

相关问题

dataset = pd.read_csv('tem.csv', delimiter=",") grouped_df = dataset.groupby([dataset['month'], dataset['day']])['wind Speed'].mean() qw = grouped_df.loc[(12, slice(None))].round(1) dataset=np.array(qw) #转换为NumPy数组 m,n=np.shape(dataset)File "C:/Users/DELL/Desktop/python_flask-dc/python_flask/bpnn_tf.py", line 45, in <module> m,n=np.shape(dataset) ValueError: not enough values to unpack (expected 2, got 1)怎么改代码

根据错误提示，代码中的 `np.shape(dataset)` 函数返回的值只有一个，而你在代码中使用了两个变量进行接收，所以需要改为只接收一个变量。修改后的代码如下：

dataset = pd.read_csv('tem.csv', delimiter=",")
grouped_df = dataset.groupby([dataset['month'], dataset['day']])['wind Speed'].mean()
qw = grouped_df.loc[(12, slice(None))].round(1)
dataset = np.array(qw) #转换为NumPy数组
m, n = np.shape(dataset) #这里只接收一个变量

dataset = pd.read_csv('output3.csv', delimiter=",") dataset = np.array(dataset) # 转换为NumPy数组 m, n = np.shape(dataset) totalX = np.zeros((m - d, d)) # 创建了一个大小为 (m-d) x d 的全零矩阵 totalY = np.zeros((m - d, l)) for i in range(m - d): # 分组：前三个值输入，第四个值输出 totalX[i][0] = dataset[i][0] totalX[i][1] = dataset[i + 1][0] totalX[i][2] = dataset[i + 2][0] totalY[i][0] = dataset[i + 3][0] # 归一化数据 Normal_totalX = np.zeros((m - d, d)) Normal_totalY = np.zeros((m - d, l)) nummin = np.min(dataset) nummax = np.max(dataset)修改成前720个数据第一组，720-

根据您的要求，修改后的代码如下：

dataset = pd.read_csv('output3.csv', delimiter=",")
dataset = np.array(dataset) # 转换为NumPy数组
m, n = np.shape(dataset)
totalX = np.zeros((720, 3)) # 创建了一个大小为 720 x 3 的全零矩阵
totalY = np.zeros((720, 1))
for i in range(720):  # 分组：前三个值输入，第四个值输出
    totalX[i][0] = dataset[i][0]
    totalX[i][1] = dataset[i + 1][0]
    totalX[i][2] = dataset[i + 2][0]
    totalY[i][0] = dataset[i + 3][0]
    
# 归一化数据
Normal_totalX = np.zeros((720, 3))
Normal_totalY = np.zeros((720, 1))
nummin = np.min(dataset[:720])
nummax = np.max(dataset[:720])

这段代码将前720个数据作为第一组输入和输出，然后进行归一化处理。注意在归一化时，只使用了前720个数据，而不是全部数据。