时间序列预测多列数据缩放报ValueError: setting an array element with a sequence错误

报错根因 #

你遇到的ValueError: setting an array element with a序列报错核心原因是输入MinMaxScaler的数据格式不符合要求：

• 当你新增第三列后，读取的Excel数据为3列结构，raw_values是形状为(n, 3)的二维数组
• 你当前的difference函数处理多列数据时，会把每一行的差分结果（长度为3的数组）作为单个元素存入列表，再封装为Series，最终得到的supervised_values是嵌套数组结构，每个元素是数组而非标量，Scikit-learn的缩放器不支持这种输入格式
• 另外你的scale函数存在笔误：最后返回的变量写为test_scale，但实际定义的变量是test_scaled，也会触发运行报错

修复方案 #

1. 修改差分函数适配多列数据 #

直接返回二维numpy数组，不要封装为Series，避免产生嵌套结构：

import numpy as np
def difference(dataset, interval=1):
    diff = []
    for i in range(interval, len(dataset)):
        value = dataset[i] - dataset[i - interval]
        diff.append(value)
    # 直接返回numpy二维数组，不封装Series
    return np.array(diff)

2. 修复scale函数的笔误与冗余代码 #

MinMaxScaler的输入只要求是(样本数, 特征数)的二维标量数组，你当前的reshape操作没有实际作用，可直接删除，同时修正返回变量名：

from sklearn.preprocessing import MinMaxScaler
def scale(train, test):
    scaler = MinMaxScaler(feature_range=(-1, 1))
    scaler = scaler.fit(train)
    train_scaled = scaler.transform(train)
    test_scaled = scaler.transform(test)
    return scaler, train_scaled, test_scaled

3. 可选：读取数据时移除squeeze参数（适配多列场景） #

squeeze=True会在数据只有一列时自动转为Series，多列场景下保留默认值即可，避免格式异常：

import pandas as pd
series = pd.read_excel('amx.xlsx', header=0, parse_dates=[0], index_col=0)

修改完成后重新运行即可正常完成多列数据的缩放操作。

内容的提问来源于stack exchange，提问作者WISCH