totalX=np.zeros((m-d,d)) TypeError: unsupported operand type(s) for -: 'tuple' and 'int'
时间: 2024-01-29 16:01:57 浏览: 20
这个错误是因为你尝试将一个整数与一个元组相减。根据错误信息,看起来你尝试使用 `m-d` 计算 `np.zeros` 的第一个维度,但是 `m-d` 是一个元组 `(m-d, d)` 的一部分,而 `np.zeros` 期望一个整数作为其参数。
要解决这个问题,你可以尝试将 `m` 和 `d` 都转换为整数,或者检查在计算 `m-d` 时是否使用了正确的变量。
相关问题
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。
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))改成一行一组
totalX[0][0], totalX[0][1], totalX[0][2], totalY[0][0] = dataset[0][0], dataset[0][1], dataset[0][2], dataset[0][3] #归一化数据 Normal_totalX=np.zeros((m-d,d)) Normal_totalY=np.zeros((m-d,l))