'numpy.ndarray' object has no attribute 'scaled'

根据提供的引用内容，'numpy.ndarray'对象没有'scaled'属性。这意味着您无法使用'scaled'属性来调整图像大小。如果您需要调整图像大小，可以使用OpenCV库中的resize()函数。以下是一个示例代码：

import cv2

# 读取图像
img = cv2.imread('image.jpg')

# 调整图像大小
resized_img = cv2.resize(img, (new_width, new_height))

# 显示调整后的图像
cv2.imshow('Resized Image', resized_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

请注意，您需要将'new_width'和'new_height'替换为所需的新图像大小。此外，您还需要使用cv2.imshow()函数显示调整后的图像，并使用cv2.waitKey()和cv2.destroyAllWindows()函数等待用户按下任意键以关闭图像窗口。

相关问题

AttributeError: 'numpy.ndarray' object has no attribute 'state'

AttributeError: 'numpy.ndarray' object has no attribute 'state'是一个明显的错误提示，它表示你正在尝试访问一个numpy数组对象的state属性，但该属性不存在。通常，这种错误发生在你试图调用一个不存在的方法或属性时。

在你提供的代码中，没有出现直接涉及到state属性的代码。然而，根据你提供的引用内容，我可以看出你可能在使用scikit-learn库中的Pipeline和StandardScaler类时遇到了问题。

根据scikit-learn的文档，StandardScaler类没有state属性。它是一个用于数据标准化的转换器，可以通过fit_transform()方法来拟合和转换数据。因此，如果你想使用StandardScaler类，你应该使用括号来调用它，即StandardScaler()。

以下是一个示例代码，演示了如何使用StandardScaler类来标准化数据：

from sklearn.preprocessing import StandardScaler

# 创建一个StandardScaler对象
scaler = StandardScaler()

# 使用fit_transform()方法拟合和转换数据
scaled_data = scaler.fit_transform(data)

请注意，这只是一个示例代码，你需要将其适应于你的具体情况。

报错：AttributeError: 'numpy.ndarray' object has no attribute 'append'

这个报错是因为你在尝试对`numpy.ndarray`对象（NumPy库中的数组）使用Python内置的列表操作`append()`。`numpy.ndarray`不是常规的列表，它是一个固定的内存区域，无法像列表一样动态增加元素。如果你需要累加数据，你应该先将其转换为列表，处理完后再转回`numpy.ndarray`。

例如，正确的做法可能是这样的：

# 初始为空list
x_train_list = []
y_train_list = []

for i in range(60, len(train)):
    x_train_list.extend(scaled_data[i-60:i, 0])
    y_train_list.append(scaled_data[i, 0])

# 将list转换为numpy数组
x_train = np.array(x_train_list)
y_train = np.array(y_train_list)

这里使用了`extend()`方法，它可以将数组的内容追加到列表末尾，而不是创建新的元素。注意最后别忘了转换为`numpy.ndarray`以便后续的向量化计算。