把结构型数据转化为LSTM输入格式数据代码

以下是一个例子，将一个包含结构化数据的CSV文件转换为LSTM可以处理的格式：

import pandas as pd
import numpy as np
from sklearn.preprocessing import StandardScaler

# 读取CSV文件
data = pd.read_csv('data.csv')

# 将标签列分离出来
labels = data['label']
data.drop(columns=['label'], inplace=True)

# 标准化数据
scaler = StandardScaler()
data = scaler.fit_transform(data)

# 将数据重塑为LSTM输入格式
timesteps = 50  # LSTM的时间步数
features = data.shape[1]  # 特征数
samples = data.shape[0] - timesteps  # 样本数

X = np.zeros((samples, timesteps, features))
y = np.zeros((samples,))

for i in range(samples):
    X[i] = data[i:i+timesteps]
    y[i] = labels[i+timesteps]

# 输出LSTM输入格式数据
print(X.shape)  # (样本数，时间步数，特征数)
print(y.shape)  # (样本数,)

这个例子将CSV文件中的所有列都视为结构化数据，并将它们标准化为均值为0，方差为1的形式。然后，它将数据重塑为LSTM可以接受的格式，其中每个样本都是由前50个时间步的数据组成的序列。最后，它将标签列分离出来，并将其放入另一个数组中。