python报错TypeError: len() of unsized object

Question

代码如图所示，想做一个根据样本的轨迹预测

但是运行后报错如下

教一下怎么改啊 熬了好久了不会,时间很紧迫，谢谢大家

Answer 1

引自强大而免费的微信小程序：皆我百晓生。如有帮助，还望采纳。

---

可能解决问题的思路与方法1：
根据报错信息，问题出在len()函数调用上。len()函数只能用于可迭代的对象，而在这里x和y被定义为np.array，没有明确指定对象的长度。为了解决这个问题，可以使用shape属性来获取数组的长度，如下所示：

x_pred = f(np.linspace(0, len(x)-1, num=100))

f = interp1d(np.arange(x.shape[0]), x)
x_pred = f(np.linspace(0, x.shape[0]-1, num=100))

f = interp1d(np.arange(y.shape[0]), y)
y_pred = f(np.linspace(0, y.shape[0]-1, num=100))

请注意，你需要对所有使用len()的地方进行修改，以适应shape属性的用法。

可能解决问题的思路与方法2：
这个错误通常是由于传入interp1d函数的ndarray对象没有确定的长度导致的。这可能是因为nearest_traj['位置X (千米)']和nearest_traj['位置Y (千米)']这两个数组没有正确地传递给x和y。

要解决这个问题，你可以先打印出nearest_traj['位置X (千米)']和nearest_traj['位置Y (千米)']的值，确保它们是有效的ndarray。同时，你还可以尝试将x和y转换为列表，即x = list(np.array(nearest_traj['位置X (千米)']))和y = list(np.array(nearest_traj['位置Y (千米)']))再进行插值。

下面是修改后的代码：

import pandas as pd
import numpy as np
from sklearn.cluster import DBSCAN
from sklearn.preprocessing import StandardScaler
from scipy.interpolate import interp1d
import matplotlib.pyplot as plt

# 读取Excel文件中的多个sheet
excel_file = pd.ExcelFile('到达a.xlsx')
sheet_names = excel_file.sheet_names

# 将所有sheet的数据合并到一个DataFrame中
data = pd.DataFrame() 
for sheet_name in sheet_names :
    df = excel_file.parse(sheet_name)
    df['sheet_name'] = sheet_name
    data = data.append(df, ignore_index=True)

# 数据预处理
data.dropna(inplace=True) # 删除缺失值
data.drop_duplicates(inplace=True) #删除重复值

# 添加新的起点数据
start_point = [1200,700] #新的起点坐标
new_data = pd.DataFrame({'位置X (千米)':[start_point[0]],'位置Y (千米)':[start_point[1]],'sheet_name': ['新起点']})
data = data.append(new_data, ignore_index=True)

# 轨迹聚类
X = data[['位置X (千米)','位置Y (千米)']]
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)

dbscan = DBSCAN(eps=0.1, min_samples=5)
clusters = dbscan.fit_predict(X_scaled)

data['cluster'] = clusters

# 轨迹预测
# 找到起点所在的类别
start_cluster = data[data['sheet_name'] == '新起点']['cluster'].values[0]

# 从该类别中选择距离起点最近的轨迹
nearest_traj = data[data['cluster'] == start_cluster].iloc[0]

# 对预测轨迹进行插值
x = list(np.array(nearest_traj['位置X (千米)']))
y = list(np.array(nearest_traj['位置Y (千米)']))
f = interp1d(np.arange(len(x)), x)
x_pred = f(np.linspace(0, len(x)-1, num=100))

f = interp1d(np.arange(len(y)), y)
y_pred = f(np.linspace(0, len(y)-1, num=100))

# 绘制轨迹曲线
plt.plot(x_pred, y_pred)
plt.xlabel('位置X（千米）')
plt.ylabel('位置y（千米）')
plt.title('轨迹预测')
plt.show()