DataFrame转为LSTM输入时reshape报错该如何解决？

错误原因 #

你代码里的reshape参数使用错误：

• 你调用的train_data[0]是取数组的第一行数据，返回的是长度为6的一维数组，不是你预期的数组第一维的长度
• reshape要求传入的所有参数都是整数，传入数组自然会触发类型错误
• 若要获取数组的各维度长度，应该调用.shape属性，train_data.shape会返回(6042, 6)的维度元组

解决方法 #

场景1：将全量数据作为单个样本输入LSTM #

如果你的需求是把所有6042条时序数据当成1个样本，时间步长为6042，特征数为6，直接按下面代码修改即可：

train_data = train_data.to_numpy()
# 按[samples, time steps, features]格式reshape
train_data = train_data.reshape(1, train_data.shape[0], train_data.shape[1])
# 转换后数组形状为 (1, 6042, 6)

场景2：生成多组时序样本（时序任务通用方案） #

实际时序预测任务中通常不会把全量数据当成单个样本，而是按固定时间步长滑窗生成多个样本。比如设置时间步长为n，即取连续n行数据作为一个样本，示例代码如下：

import numpy as np

# 滑窗生成时序样本函数
def build_seq_dataset(data, time_steps):
    seq_list = []
    for i in range(len(data) - time_steps + 1):
        seq_list.append(data[i:i+time_steps, :])
    return np.array(seq_list)

train_data = train_data.to_numpy()
# 可根据任务需求调整时间步长数值
time_steps = 20
train_data = build_seq_dataset(train_data, time_steps)
# 当time_steps=20时，转换后数组形状为 (6023, 20, 6)

内容的提问来源于stack exchange，提问作者apin pipin