Question

编辑：我有点不好意思-我使用了错误的分隔符。非常抱歉，如果我浪费了任何时间！该代码现在正在运行，但是花了很长时间，所以我可能会在几个小时后回来。谢谢大家

我正在尝试使用在线资源http://alexminnaar.com/time-series-classification-and-clustering-with-python.html中的代码，并将其应用于csv文件中的时间序列数据。我遇到的错误是当它尝试通过“ s1”枚举时。我知道我无法枚举浮点数，但是我不太确定自己知道如何解决该问题，更不用说代码到底需要枚举了什么。我确定我的数据集的格式像他一样，因为他的数据集在github报告中。

谢谢您能给我的任何帮助！

编辑我忘了包含DTW功能，该功能现已添加到下面

函数DTWDistance

def DTWDistance(s1, s2,w):
    DTW={}

    w = max(w, abs(len(s1)-len(s2)))

    for i in range(-1,len(s1)):
        for j in range(-1,len(s2)):
            DTW[(i, j)] = float('inf')
    DTW[(-1, -1)] = 0

    for i in range(len(s1)):
        for j in range(max(0, i-w), min(len(s2), i+w)):
            dist= (s1[i]-s2[j])**2
            DTW[(i, j)] = dist + min(DTW[(i-1, j)],DTW[(i, j-1)], DTW[(i-1, j-1)])

    return math.sqrt(DTW[len(s1)-1, len(s2)-1])

功能LB_Keogh

def LB_Keogh(s1,s2,r):
    LB_sum=0
    for ind,i in enumerate(s1):

        lower_bound=min(s2[(ind-r if ind-r>=0 else 0):(ind+r)])
        upper_bound=max(s2[(ind-r if ind-r>=0 else 0):(ind+r)])

        if i>upper_bound:
            LB_sum=LB_sum+(i-upper_bound)**2
        elif i<lower_bound:
            LB_sum=LB_sum+(i-lower_bound)**2

    return math.sqrt(LB_sum)

函数k_means_clust

def k_means_clust(data,num_clust,num_iter,w=5):
    centroids=random.sample(data,num_clust)
    counter=0
    for n in range(num_iter):
        counter+=1
        print (counter)
        assignments={}
        #assign data points to clusters
        for ind,i in enumerate(data):
            min_dist=float('inf')
            closest_clust=None
            for c_ind,j in enumerate(centroids):
                if LB_Keogh(i,j,5)<min_dist:
                    cur_dist=DTWDistance(i,j,w)
                    if cur_dist<min_dist:
                        min_dist=cur_dist
                        closest_clust=c_ind
            if closest_clust in assignments:
                assignments[closest_clust].append(ind)
            else:
                assignments[closest_clust]=[]

        #recalculate centroids of clusters
        for key in assignments:
            clust_sum=0
            for k in assignments[key]:
                clust_sum=clust_sum+data[k]
            centroids[key]=[m/len(assignments[key]) for m in clust_sum]

    return centroids

数据：

time_series=np.genfromtxt('filepath')

调用函数

centroids=k_means_clust(list(time_series),4,10,4)

我得到的错误是：

--------------------------------------------------------------------
TypeError                                 Traceback (most recent 
call last)
<ipython-input-50-909588871671> in <module>()
      6 
      7 
----> 8 centroids=k_means_clust(list(df),4,10,4)
      9 
     10 

<ipython-input-49-f91bbc3a5a04> in k_means_clust(data, num_clust, num_iter, w)
     11             closest_clust=None
     12             for c_ind,j in enumerate(centroids):
---> 13                 if LB_Keogh(i,j,5)<min_dist:
     14                     cur_dist=DTWDistance(i,j,w)
     15                     if cur_dist<min_dist:

<ipython-input-48-b5b8e44a435a> in LB_Keogh(s1, s2, r)
      1 def LB_Keogh(s1,s2,r):
      2     LB_sum=0
----> 3     for ind,i in enumerate(s1):
      4 
      5         lower_bound=min(s2[(ind-r if ind-r>=0 else 0):(ind+r)])

TypeError: 'numpy.float64' object is not iterable

无法枚举浮点数，但是还有另一种方法可以解决吗？

0 个答案: