# 进行监督学习,既有标签学习
def series_to_supervised(data,n_in=1,n_out=1,dropnan=True):
n_vans = l if type(data)is list else data.shape[1]
df = DataFrame(data)
cols,names = list(),list()
# 定义输入序列
for i in range(n_in,0,-1):
cols.append(df.shift(i))
names += [('var%d(t-%d)' % (j+1,i)) for j in range(n_vars)]
# 定义预测序列
for i in range(0,n_out):
cols.append(df.shift(i))
if i == 0:
names += [('var%d(t)' % (j+1)) for j in range(n_vars)]
else:
names += [('var%d(t+%d)'%(j+1,i))for j in range(n_vars)]
# 整数整合
agg = concat(cols,axis=1)
agg.columns = names
# 丢弃空值
if dropmam:
agg.dropna(inplace=True)
return agg
这段运行后没有什么输出,然后继续,
# 加载数据
datase