wj_1718190299的博客

保存save_data()数组有[]的解决办法

图片-怎么画-用什么画-数据存储在哪里之后还要画大量的图，先画一个写一个（1）D:\Python\plot plot25.py 各个单一模型预测中是否含有遥相关因子的对比训练集部分import numpy as npimport matplotlib.pyplot as pltimport matplotlib.gridspec as gridspecimport matplotlibfrom sqlalchemy import falseimport xlrdfrom sklea

有空值出现，检查了一下发现函数没有给返回值，也就是return那里是空的，但是引用的时候返回值赋给一个数组，所以报错

workbook.add_sheet()write()向EXCEL中录入数据，write()中第一个参数是第几行，第二个参数是第几列。def save_data(predicted_flow, path): workbook = xlwt.Workbook() data_sheet = workbook.add_sheet('Sheet1') # style = xlwt.easyxf('font:height 240, color-index red, bold

ufunc 'multiply'不包含签名匹配类型的循环(dtype('<U32')， dtype('<U32')) ->dtype (' & lt; U32 ')出现这个报错，十有八九是数据读入有问题。回去看一下excel的数据格式，果然发现输入的几列数据长度不一样。改了以后就能够顺利运行了。...

当我数组分割是这样写的：input = np.hstack((input_data,the_largest_load[sub_index:idx-15],the_largest_load[sub_index+11:idx-4], the_largest_load[sub_index+13:idx]))运行的结果是这样的我感觉是数组的问题，但是检查了一遍数组输入没问题，归一化部分也没啥大的问题。当我的数组这样写，（不同点在于之前选择性的输入一部分，现在把前面的数据全部输入进...

plt.legend(loc="upper left",bbox_to_anchor=[0,1], ncol = 2, shadow = True, fancybox= True)有不懂看官网：Gallery — Matplotlib 3.4.2 documentationpython制图Python官方地址在这：图例演示

Keras模型这里解释的太清楚了。

这个错误意思是用int和空值相减。temp_datas = train(X[j][i], x_trains, y_trains, x_tests, y_tests, fdata_lows, fdata_highs, raw_train, raw_test ) 这里temp_data显示是空值，原因是train（）没有返回值。上次运行是没有问题的，检查后发现，由于show_result函数写了两个，一个有返回值，一个没有，系统自动取了没有返回值的函数。所以就错了。修改方法，删掉没有返回值的

左移 选中代码块 shift+tab右移 选中代码块 tab

如图，我已经确认文件夹里面的文件关都关了，然而仍旧无法重命名。查看任务管理器没有占用但可以看到excel是打开状态，但是查看到打开的excel表不在重命名文件夹里。把所有excel表保存并关闭。刷新N次。成功改名。我猜测因为打开的excel表曾经与重命名文件夹里的excel表有过复制粘贴表内容，所以导致重命名文件夹无法重命名。解决了。...

页面是这样的我尝试了很多次，都不响应。代码是这样的import xlrd###导入数据def read_data(workbook, col_index): input_datas = [] wb = workbook for year in wb.sheet_names(): sheet = wb.sheet_by_name(year) cols = sheet.col_values(col_index) for ...

这个错误原因是 relu应该是relu而不是ReLU

我想画图，但是出现这个提示。查了一下，应该是矩阵的维度不正确。用np.reshape()np.reshape(X,(len(X),1))X是出错的矩阵。

再次出现这个错误：ufunc ‘multiply’ did not contain a loop with signature matching types (dtype(’<U32’), dtype(’<U32’)) -> dtype(’<U32’)参考这篇文章。我觉得是读取数据的时候有问题，所以我检查了Excel文件。我原本的数据是这样的。我只需要第一列的数据。第一列数据被引用在后面计算了相关系数，并且第6列与第一列数据并列，之前有并列数据也出现了这个错误。所以可能我

数组切割的时候要注意序号，后一个序号要比前一个序号大。

现有的Python实现的是模型的训练。训练结束后，还要对未来的气候进行预测。根据实验室已有的经验，预测方法有一对多和一对一。这里我们首先学习一对一，也就是实现滚动预测。对于n步预测模型，常见的模型通常采用滚动预测方法实现，即通过t时刻及之前的时刻数据预测得到t+1时刻的数据，然后将t+1时刻的数据作为已知量带入的模型中再次预测t+2时刻的数据，重复n步，得到n步预测结果。然而，模型的多次滚动会使预测误差产生累计效应，不利于高精度预测。因此，本章通过对每一步均建立一个独立模型，进而集成n个模型的预测结果，

python运行一直出现这个问题。记一下解决方案。由于调试时每次循环都要很长时间，暂时修改这里的epochs=2，减少迭代次数。问题的表现在于以上两行一直出错。dubeg时，发现predicted_flow的长度是5，y_tests_raw的长度和循环长度都是3494，由于长度不一样，所以一直出错。第一次尝试，把以前代码中名字重合的代码改名。不行，甚至到dubeg模式下鼠标移到上面都不显示数据了。还有，我的数据每次迭代3319个iteration，相当于一个数..

在debug模式下，打断点之后，在主函数模块，点击上边栏目的运行-启动调试（F5）。

这篇记一下时间序列分解和长短记忆神经网络lstm如何一起用vmd+lstm用python实现首先预设的流程是：读取数据、vmd时间分解（把信号分解成5行），最大最小归一化、给模型设置参数、编译、fit函数（训练）、反归一化、得到的五个信号相加、保存模型、绘图、保存数据首先vmd返回值是u,u_hat,omega。 ''' u - the collection of decomposed modes 分解模态的集合 u_hat - spectra of the

出现这个错误的原因是python没有在指定的位置找到文件错误代码FileNotFoundError: [Errno 2] No such file or directory: ‘D:/coding-workspace/python_workspace/data/SX-data/CT.xlsx’小窍门：ctrl+f 快捷键 出现搜索框，可以在当前的py文件中搜索代码块解决方法：搜索SX-data，看看问题出现在哪里。改路径就可以了...

本来代码写的是from tensorflow import set_random_seedset_random_seed(2)这样写就会报上面的错误把代码改成下面的就解决了import tensorflowtensorflow.random.set_seed(2)