标签: valueerror

我正在尝试使用scikit-learn来做一些机器学习。

我正在使用预处理模块来准备我的数据。数据是float类型。

通过阅读有关此问题的其他问题：ValueError: setting an array element with a sequence，这要么是由于我的数据结构错误，要么是因为我的数据是字符串类型。这里似乎都不是这种情况。

如果您有任何想法如何解决这个问题或者它意味着什么，请告诉我。谢谢你。

编码：

print(X)

pred_X = np.array(pred_X)
pred_Y = np.array(pred_Y)
X = np.array(X)
Y = np.array(Y)

X = preprocessing.scale(X)
pred_X = preprocessing.scale(pred_X)

打印（x）：

[[547180.0, 120.0, 113.0, 456701.0, 1.0, 6.43, -1.0, 0.313, 0.42, 0.267 3.0, 11800.0, 607208.0, 120.0, 113.0, 456701.0, 1.0, 0.273, 0.331, 0.154, 6.0, 10300.0, 458015.0, 113.0, 120.0, 45328 6.0, 1.0, 2.54, -1.0, 0.32, 0.443, 0.257, 3.0, 92000.0, 543685.0, 120.0, 113.0, …

执行以下行时

!pip install kaggle
!kaggle competitions download -c dogs-vs-cats -p /content/

我收到以下错误消息,

Traceback (most recent call last):
File "/usr/local/bin/kaggle", line 7, in <module>
from kaggle.cli import main
File "/usr/local/lib/python3.6/dist-packages/kaggle/__init__.py", line 23, in <module>
api.authenticate()
File "/usr/local/lib/python3.6/dist-packages/kaggle/api/kaggle_api_extended.py", line 109, in authenticate
self._load_config(config_data)
File "/usr/local/lib/python3.6/dist-packages/kaggle/api/kaggle_api_extended.py", line 151, in _load_config
raise ValueError('Error: Missing %s in configuration.' % item)
ValueError: Error: Missing username in configuration.

我不知道刚发生了什么......同样的线路之前工作得很好.这是我第一次发现这个问题.

我真的很困惑为什么会发生这种情况:

Python 3.7.1 (default, Nov  5 2018, 14:07:04) 
Type 'copyright', 'credits' or 'license' for more information
IPython 6.4.0 -- An enhanced Interactive Python. Type '?' for help.

In [1]: 10**3.5
ValueError: could not convert string to float: 3.5

有人能发光吗？正如你所看到的,这是一个简单的输入 - 我认为它是一个浮点文字.

我试图消除ipython的复杂性,并以隔离模式运行,但仍然:

python3 -I -c "float('3.5')"
Traceback (most recent call last):
  File "<string>", line 1, in <module>
ValueError: could not convert string to float: '3.5'

我的python3.7坏了,我的理解是破碎的,还是我在看什么？

我通过将显示的代码放入文件并将其转换为绿色来排除编码问题.这是干净的ascii,应该是0x2e一个点,一个点,0x0a一个行结束:

xxd testfile.py
00000000: 332e 350a                                3.5.
python3 -I testfile.py …

我目前正在设计一个 NoisyNet 层，正如这里所建议的：“Noisy Networks for Exploration”，在 Tensorflow 中并获得标题中所示的维数误差，而两个张量的维数要逐元素相乘filtered_output = keras.layers.merge.Multiply()([output, actions_input])应该（在原则）在打印所涉及的两个张量的维度时，根据打印输出彼此兼容，filtered_output并且actions_input，其中两个张量似乎都是维度shape=(1, 4)。

我在 Python3 中使用 Tensorflow 1.12.0。

相关代码如下所示：

import numpy as np
import tensorflow as tf
import keras

class NoisyLayer(keras.layers.Layer):

    def __init__(self, in_shape=(1,2592), out_units=256, activation=tf.identity): 
        super(NoisyLayer, self).__init__()
        self.in_shape = in_shape
        self.out_units = out_units
        self.mu_interval = 1.0/np.sqrt(float(self.out_units))
        self.sig_0 = 0.5
        self.activation = activation
        self.assign_resampling()

    def build(self, input_shape):
        # Initializer
        self.mu_initializer = tf.initializers.random_uniform(minval=-self.mu_interval, maxval=self.mu_interval) # Mu-initializer
        self.si_initializer = tf.initializers.constant(self.sig_0/np.sqrt(float(self.out_units)))      # Sigma-initializer

        # …

我对此完全陌生。所以我使用'pip install pipenv'安装了pipenv。我有 python 版本 3.8.2、pip 版本 20.1.1 和 pipenv 版本 2020.6.2 。但是当我尝试运行“pipenv install”时，它给出了以下错误。

    C:\Users\rd463>pipenv install
Traceback (most recent call last):
  File "D:\python382\Lib\site-packages\pipenv\vendor\pythonfinder\models\python.py", line 618, in parse_executable
    result_version = get_python_version(path)
  File "D:\python382\Lib\site-packages\pipenv\vendor\pythonfinder\utils.py", line 105, in get_python_version
    c = subprocess.Popen(version_cmd, **subprocess_kwargs)
  File "d:\python382\lib\subprocess.py", line 854, in __init__
    self._execute_child(args, executable, preexec_fn, close_fds,
  File "d:\python382\lib\subprocess.py", line 1307, in _execute_child
    hp, ht, pid, tid = _winapi.CreateProcess(executable, args,
FileNotFoundError: [WinError 2] The system cannot find the file specified

During handling of the above exception, another …

我正在努力理解这个错误，因为我会给你一个有效的例子，而我感兴趣的例子却不是。

我必须分析一组包含一整年每小时价格的数据，称为sys_prices，经过各种转换后，它是一个numpy.ndarray具有 8785 行（1 列）的对象，每行都是一个numpy.ndarray只有一个元素（一个numpy.float64数字）的项目。

不起作用的代码如下：

stop_day = 95
start_day = stop_day - 10 # 10 days before
stop_day = (stop_day-1)*24
start_day = (start_day-1)*24

pcs=[] # list of prices to analyse
for ii in range(start_day, stop_day):
    pcs.append(sys_prices[ii][0])

p, x = np.histogram(pcs, bins='fd') 

该*24部分是调整数据集中的索引，以便遵守每小时分辨率。

我期望的是将列表提供pcs给直方图方法，以便将直方图和 bin 边缘的值分别放入p和x中。

我说我期望如此，因为以下代码有效：

start_day = 1 
start_month = 1 
start_year = 2016 
stop_day …

每当我尝试将数据框转换为int时，就会出现此错误。

（“以10为底的int（）的无效文字：'260,327,021'”，“发生在索引Population1上”

df中的所有内容都是数字。我认为错误是由于末尾的额外引号引起的，但是我该如何解决？

我正在使用张量流预测不同时间段的财务时间序列。为了划分输入数据，我制作了子样本并用于循环。但是，我遇到了这样的ValueError；

ValueError：变量rnn / basic_lstm_cell / weights已经存在，不允许使用。您是要在VarScope中设置“ reuse = True”吗？最初定义为：

没有子样本，此代码可以很好地工作。下面是我的代码。

    import tensorflow as tf
    import numpy as np
    import matplotlib
    import os
    import matplotlib.pyplot as plt

    class lstm:
        def __init__(self, x, y):
            # train Parameters
            self.seq_length = 50
            self.data_dim = x.shape[1]
            self.hidden_dim = self.data_dim*2
            self.output_dim = 1
            self.learning_rate = 0.0001
            self.iterations = 5 # originally 500

        def model(self,x,y):
            # build a dataset
            dataX = []
            dataY = []
            for i in range(0, len(y) - self.seq_length):
                _x = x[i:i + self.seq_length] …

我正在尝试从数据框的单词列表中获取包含任何子字符串的产品的平均价格。我已经可以在多个电子表格中使用以下代码来做到这一点-

dframe['Product'].fillna('', inplace=True)
dframe['Price'].fillna(0, inplace=True)
total_count = 0
total_price = 0
for word in ransomware_wordlist:
    mask = dframe.Product.str.contains(word, case=False)
    total_count += mask.sum()
    total_price += dframe.loc[mask, 'Price'].sum()
average_price = total_price / total_count
print(average_price)

但是，其中一个电子表格在第-行上抛出错误-

dframe['Product'].fillna('', inplace=True)

与

ValueError: cannot index with vector containing NA / NaN values

我不明白为什么dframe['Product'].fillna('', inplace=True)不处理这个问题。

迫切需要一些帮助！谢谢！

因此，我尝试在我的数据集上使用预先训练的模型，然后将其与我自己的 cnn 模型进行比较。但是，当我尝试做模型时，我立即看到错误。非常适合 ((None, 4, 4, 1) vs (None,))。这个错误从何而来？我是否应该编辑预调整 cnn.

我使用的模型是ResNET50，除了输入层改为128并且有2个输出外，没有任何修改。

欢迎任何帮助，

代码：

history = modelB.fit_generator(train_data,
                          validation_data = test_data, 
                          epochs=5,
                          steps_per_epoch = 1714,)

错误：

    ---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-89-89a7f1c1eb60> in <module>()
      2                               validation_data = test_data,
      3                               epochs=5,
----> 4                               steps_per_epoch = 1714,)

2 frames
/usr/local/lib/python3.7/dist-packages/tensorflow/python/framework/func_graph.py in autograph_handler(*args, **kwargs)
   1145           except Exception as e:  # pylint:disable=broad-except
   1146             if hasattr(e, "ag_error_metadata"):
-> 1147               raise e.ag_error_metadata.to_exception(e)
   1148             else:
   1149               raise

ValueError: in user code:

    File "/usr/local/lib/python3.7/dist-packages/keras/engine/training.py", line 1021, in train_function …