transformer时间序列预测数据预处理代码python

以下是用于处理时间序列预测数据的Python代码示例：

import pandas as pd
from sklearn.preprocessing import MinMaxScaler

def preprocess_data(data):
    # 使用MinMaxScaler进行数据归一化
    scaler = MinMaxScaler(feature_range=(-1, 1))
    scaled_data = scaler.fit_transform(data)

    # 将数据转换为时间序列
    time_series = []
    for i in range(len(scaled_data)):
        if i < window_size:
            continue
        time_series.append(scaled_data[i - window_size:i + 1])

    # 划分训练集和测试集
    train_size = int(len(time_series) * train_ratio)
    train_data = time_series[:train_size]
    test_data = time_series[train_size:]

    return train_data, test_data

# 数据加载
data = pd.read_csv("data.csv")

# 数据预处理
window_size = 10
train_ratio = 0.8
train_data, test_data = preprocess_data(data)

# 打印预处理后的训练集和测试集
print("训练集：", train_data)
print("测试集：", test_data)