如何为 LSTM 塑造 Pandas DataFrame答案

【问题标题】：How to shape a Pandas DataFrame for LSTM如何为 LSTM 塑造 Pandas DataFrame
【发布时间】：2021-01-05 17:20:54
【问题描述】：

我正在尝试将pandas DataFrame 正确地塑造成与Keras 的方法timeseries_dataset_from_array() 兼容的格式。主要问题在于数据集中的大量特征，这意味着要使用 for 循环：

x_reshaped = [tf.reshape(x_train.iloc[:-seq_length, column].values, (-1, 1))
              for column in range(len(x_train.columns))]

当我跑步时：

tf.keras.preprocessing.timeseries_dataset_from_array(x_reshaped, y_reshaped,
                                                          sequence_length=seq_length,
                                                          batch_size=bs)

我收到此错误消息AttributeError: 'list' object has no attribute 'shape'，因为x_reshaped 被视为向量的列表，而不是矩阵。

我也试过用tf.TensorArray()创建训练矩阵，但是没用。

【问题讨论】：

标签： python pandas tensorflow keras tf.keras

【解决方案1】：

我不会称其为高维数据，因为 Pandas DataFrame 通常具有一维数据。您不需要重塑操作或 for 循环。您可以将 DataFrame 直接传递给 Keras 函数：

import pandas as pd
import tensorflow as tf

df = pd.DataFrame({'features1':    [0., 1., 2., 3., 4.],
                   'features2':    [4., 3., 2., 1., 0.],
                   'predictions':  [5., 6., 7., 8., 9.]})

   features1  features2  predictions
0        0.0        4.0          5.0
1        1.0        3.0          6.0
2        2.0        2.0          7.0
3        3.0        1.0          8.0
4        4.0        0.0          9.0

在 Keras 函数中传递列：

ds = tf.keras.preprocessing.timeseries_dataset_from_array(
     data=df[['features1', 'features2']],
     targets=df['predictions'],
     sequence_length=3)

x, y = next(iter(ds))

print(x.shape)

TensorShape([3, 3, 2])

看起来像这样：

<tf.Tensor: shape=(3, 3, 2), dtype=float64, numpy=
array([[[0., 4.],
        [1., 3.],
        [2., 2.]],
       [[1., 3.],
        [2., 2.],
        [3., 1.]],
       [[2., 2.],
        [3., 1.],
        [4., 0.]]])>

现在它有了时间步长维度，可以将其传递到 LSTM 层中。

lstm_layer = tf.keras.layers.LSTM(1)

lstm_layer(x)

<tf.Tensor: shape=(3, 1), dtype=float32, numpy=
array([[0.11129456],
       [0.14443444],
       [0.18482907]], dtype=float32)>

【讨论】：