<think>这个错误有两个部分： 1. 警告：因为使用了`df.iloc[idx][-1]`，其中`[-1]`是按位置索引，但pandas的新版本中，对于Series按整数索引将会被视为标签而不是位置，所以建议使用`.iloc`来按位置访问。我们需要将`df.iloc[idx][-1]`改为`df.iloc[idx, -1]`（直接按列的整数位置取最后一列）。 2. 错误：`IndexError: index 19 is out of bounds for axis 0 with size 19`。这发生在`export_predictions`函数中，尝试访问`y_pred`的第19个元素（索引从0开始，所以索引19是第20个元素），但`y_pred`只有19个元素。这是因为在循环中，我们使用`for i in range(time_steps, len(df))`，而`y_pred`的长度等于`len(df) - time_steps`。因此，当我们从`time_steps`开始迭代到`len(df)-1`（包含）时，循环次数是`len(df) - time_steps`，所以`y_pred`的索引是从0到`len(df)-time_steps-1`。因此，在循环内部，我们使用`i - time_steps`作为索引，这是正确的，因为当`i=time_steps`时索引0，然后递增。 但是，我们注意到错误中提示索引19超出了大小为19的范围。这意味着`i-time_steps`在某个点等于19，而`y_pred`的长度为19，所以最大索引是18。因此，可能是计算循环边界时多了一个。 让我们检查：循环`for i in range(time_steps, len(df))`，假设`len(df)=n`，那么循环的i值是从`time_steps`到`n-1`（包含），所以循环次数是`n - time_steps`（因为`n-1 - time_steps + 1 = n - time_steps`）。因此，在循环中我们使用索引`i - time_steps`，应该从0到`n-time_steps-1`，所以没有问题（因为y_pred的长度就是`n-time_steps`）。 那么为什么会有索引19的错误？可能因为`n`（数据行数）等于`time_steps + 19`，所以循环从`time_steps`到`time_steps+19-1`（即从t到t+18），然后索引就是0到18（共19个）。但错误说大小为19，最大索引应为18，而我们的索引19是不存在的。 然而，我们看到错误信息中：`y_pred[i - time_steps]`，其中`i`在最后一次迭代是`len(df)-1`，那么索引就是`len(df)-1 - time_steps`。假设`len(df)=22, time_steps=3`，那么最后一个索引是22-1-3=18，所以应该有19个元素（0到18）。但是错误信息说“index 19 is out of bounds for axis 0 with size 19”，可能是由于`len(df)-time_steps`等于19（也就是总共有19个样本），所以索引应该是0到18。那么什么时候会取到19呢？可能是因为在循环中`i`的最大值是`len(df)-1`，而`len(df)-1 - time_steps`最大为`len(df)-1 - time_steps`。如果`len(df)=22, time_steps=3`，那么最大索引为18（=22-3-1? 不对，应该是22-3=19，所以索引最大为19-1=18，所以不存在19）。因此，可能是在循环中`i`的取值超过了`len(df)-1`？不会，因为range是左闭右开。 重新思考：我们生成`X_3d`和`y_seq`的时候，循环是`for i in range(time_steps, len(X_scaled))`，所以样本数量是`len(X_scaled) - time_steps`。然后，在`export_predictions`函数中，我们同样使用`for i in range(time_steps, len(df))`。注意，在`prepare_features`函数中，我们传入的是`df`（原始的DataFrame），而特征工程后的`X_scaled`的行数等于原始df的行数（因为我们没有删除行，除了在后续创建时间窗口时）。但是，在特征工程中我们只对特征进行了缩放，然后创建了时间窗口，所以特征工程后的样本总数变成了`len(X_scaled) - time_steps`（因为去掉了前time_steps-1行？实际上，从time_steps开始取，所以从索引0到time_steps-1的行没有被作为样本。但在创建窗口时，第一个窗口从0到time_steps-1（共time_steps行）作为第一个输入，对应的时间点为time_steps。因此，原始df中前time_steps行没有被用于作为输出（但没有被删除，只是没有对应的样本）。所以，在`export_predictions`函数中，循环从`time_steps`开始到`len(df)-1`，循环次数为`len(df) - time_steps`。那么我们的`y_pred`的长度也是`len(X_scaled) - time_steps`（等于循环次数）。因此，理论上应该索引是0到`(len(df)-time_steps-1)`，所以最后一个索引是`len(df)-time_steps-1`，不会出现19。 但是在错误中，我们运行到i=19+time_steps（假设time_steps=3，那就是i=22）时，我们取索引`22-3=19`，而`y_pred`只有19个元素（索引0到18），所以索引19就出界了。所以，问题在于循环次数超过了`y_pred`的长度。我们需要确保循环的i从`time_steps`到`time_steps + len(y_pred) - 1`？不对，应该是从`time_steps`到`time_steps + len(y_pred)`，但这样会多一次，因为循环次数应该是`len(y_pred)`，所以i从`time_steps`到`time_steps+len(y_pred)-1`。 实际上，我们生成的时间窗口样本数等于`len(X_scaled) - time_steps`，即`len(y_pred)`也是这个值。而在`export_predictions`函数中，我们循环的起点是`time_steps`，终点是`len(df)-1`（也就是最后一个索引），总共就是`len(df) - time_steps`次循环，所以应该没有错。那么问题可能出在`df`的行数等于`len(X_scaled)`（即原始特征数量）？因为我们没有在特征工程中删除行，只是创建了新的特征。所以`len(df) = len(X_scaled) = 原始数据行数`。而我们创建的时间窗口样本数就是`原始数据行数 - time_steps`，所以`y_pred`的长度就是`原始数据行数 - time_steps`。 在循环中，i从`time_steps`（第一个输出的数据点对应原始数据的第`time_steps`行）开始，直到`原始数据行数-1`（最后一个数据点对应第`原始数据行数-1`行），所以i的范围是[time_steps, 原始数据行数-1]（包含）。那么，循环次数为：`(原始数据行数-1) - time_steps + 1 = 原始数据行数 - time_steps`，与`y_pred`的长度一致。那么索引`i-time_steps`应该刚好从0到`原始数据行数-time_steps-1`（最大索引为`原始数据行数-time_steps-1`）。 但是错误中出现了19，而我们`y_pred`的长度是19，所以最大索引只能是18。所以当i=原始数据行数-1时，索引为`原始数据行数-1 - time_steps`。如果原始数据行数为22，time_steps=3，那么索引为19（22-1-3=18）？不对，22-1-3=18。如果原始数据行数是22，time_steps=3，那么样本数就是19（22-3=19），然后索引最大为18（0-indexed up to 18）。那么为什么代码中出现19？很可能是原始数据行数的问题。 我们检查一下代码中`df`进入`export_predictions`时的行数。在`export_predictions`函数中，我们传入的`df`是原始光伏数据（solar_data），它还没有进行时间窗口处理，所以行数应该是原始特征工程前的行数。而在`prepare_features`函数中，我们返回的`X_3d`的样本个数是`原始数据行数 - time_steps`。因此，在`export_predictions`中，我们使用`df`原始数据（行数为原始行数）来循环，循环次数为`len(df)-time_steps`，所以是合理的。 错误的具体位置：`export_predictions`函数中，在循环内我们这样写： for i in range(time_steps, len(df)): # 假设原始df行数=22，那么i从3到21（共19次循环，因为22-3=19） idx = i actual = df.iloc[idx][-1] # 这里出现了警告，我们改为：df.iloc[idx, -1] 或者 df.iloc[idx].iloc[-1] 但最好使用 df.iloc[idx, -1] ... # 然后我们在结果中记录： '预测值': y_pred[i - time_steps] # 当i从time_steps开始，第一次i=time_steps时索引0，最后一次i=21，索引21-3=18（共19次，对应0到18） 所以，按理不应该出现19。那么这个错误可能是由于某个特定的数据行数导致的？我们需要知道当时运行时的实际行数。 可能的原因：我们在划分训练集和验证集时，使用了整个处理后的数据（即X_solar和y_solar），而X_solar的样本数就是原始数据行数-time_steps。但我们在导出验证集预测结果时，传入的`df`参数是`solar_data`（原始数据，行数没有减掉time_steps）。同时，我们传给`export_predictions`的`X_data`和`y_data`是验证集（即只有验证集部分的样本）。验证集样本数是`len(X_solar) - split_index`（假设split_index是训练集样本数，那么验证集样本数是`len(X_solar) - split_index`，而`len(X_solar)=原始数据行数-time_steps`。因此，验证集样本数m=`原始数据行数-time_steps - split_index`。 而我们在`export_predictions`函数中，循环的是`df`（原始数据，行数=原始行数N）的从`time_steps`到`N-1`（共N-time_steps次）。但是，我们只对验证集进行了预测，所以`y_pred`的长度应该是验证集样本数（m），而不是整个样本数（N-time_steps）。因此，当我们在循环中尝试使用整个时间段（从time_steps开始到N-1）的索引来取`y_pred`时，只有验证集部分的样本有预测值，而验证集索引并不是从0到N-time_steps-1，而是从split_index开始。因此，在循环中，我们只应该处理验证集对应的那些索引。 所以，我们需要修改`export_predictions`函数，让它只处理验证集部分的数据。或者，我们传入的数据是整个验证集，但验证集在原始数据中是连续的一段（从split_index开始到结束），所以我们在循环时应该只处理从`split_index+time_steps`开始的行？ 不，实际上，在`prepare_features`中，我们处理后的整个数据集是连续的，然后我们划分训练集和验证集： X_train_solar = X_solar[:split_index] # 样本数量为split_index X_val_solar = X_solar[split_index:] # 样本数量为 len(X_solar)-split_index 而原始数据df（solar_data）的行数为N，处理后的样本数为N-time_steps（X_solar的行数）。那么验证集的样本在原始数据中对应的行是什么呢？ 后处理数据X_solar的索引0对应原始数据第time_steps行（索引为time_steps） split_index是划分的样本索引（后处理数据的样本索引），因此验证集对应的原始数据行索引为：[split_index+time_steps, split_index+time_steps+len(X_val_solar)-1] ？不对。 实际上，后处理数据（时间窗口数据）的第i行对应原始数据的时间点i+time_steps（因为第0个样本是用原始数据0~time_steps-1行预测第time_steps行的值）。 因此，验证集在原始数据中对应的行索引应该是： 起始行：split_index + time_steps （因为后处理数据第0个样本对应原始数据第time_steps行，所以后处理数据第split_index个样本对应原始数据第split_index+time_steps行） 结束行：split_index + time_steps + len(X_val_solar) - 1 所以在`export_predictions`中，我们想导出验证集的结果，那么循环应该是： start_index = split_index + time_steps end_index = start_index + len(X_val_solar) - 1 # 然后循环从start_index到end_index（在原始数据df中取这些行） 但是，为了保持一致性，我们重构`export_predictions`函数，让它针对验证集部分的数据进行导出，并且传入整个原始数据df，以及训练时使用的split_index。 然而，为了简化，我们可以不传入整个df，而是传入验证集对应的原始数据部分？但是，我们的df是原始数据（包含所有特征），我们在导出时需要这些特征的值。 另一种方法是：在`prepare_features`中，我们除了返回时间窗口数据，还返回时间索引（原始数据中每个样本对应的行索引）。这样，我们就可以知道每个预测样本来自原始数据的哪一行。 但目前时间有限，我建议修改`export_predictions`函数，只循环验证集对应的那些行（即后处理数据中的验证集样本所对应的原始数据行）。注意：验证集样本数量是`X_val_solar`的长度，每个样本对应原始数据中的一行（即输出时间点），这个时间点在原始数据中的索引为`样本索引+time_steps`（对于整个后处理数据而言）。但由于验证集是原始后处理数据的后半段，所以它在原始数据中的索引是从`split_index+time_steps`到`split_index+time_steps+len(X_val_solar)-1`，即从`split_index+time_steps`到`原始数据行数-1`（因为整个后处理数据从0到N-time_steps-1，验证集从split_index到N-time_steps-1，所以原始数据行数N = time_steps + (split_index + len(X_val_solar)) ？因为总样本数（后处理）是split_index+len(X_val_solar) = len(X_solar)=N-time_steps，所以原始数据行数N = time_steps + split_index + len(X_val_solar)？是的。 所以，我们在主流程中调用`export_predictions`时，需要传入验证集对应的原始数据子集？或者，我们可以在函数内部根据预测结果的数量（即X_data的行数）以及开始索引（split_index+time_steps）来构建。 我决定修改`export_predictions`函数，增加一个参数`start_row`，表示当前预测结果（X_data和y_data）所对应的原始数据从第几行开始（因为每次预测只有一个序列，且是连续的）。因此： start_row = split_index + time_steps （对于验证集，split_index是后处理数据的训练集样本数，所以验证集对应的原始数据起始行是split_index+time_steps） 然后在循环中，我们只需要循环`range(start_row, start_row+len(X_data))`。 修改后的`export_predictions`函数： ```python def export_predictions(model, X_data, y_data, scaler, df, time_steps, start_row, filename): """生成并导出预测结果到Excel :param start_row: 当前预测集在原始数据中的起始行索引（原始数据中该预测集的第一个样本所在的行） """ # 预测 y_pred_scaled = model.predict(X_data) # 逆缩放 dummy = np.zeros((len(y_pred_scaled), 1)) dummy[:, 0] = y_pred_scaled.flatten() y_pred = scaler.inverse_transform(dummy)[:, 0] # 真实值逆缩放 dummy[:, 0] = y_data.flatten() y_true = scaler.inverse_transform(dummy)[:, 0] # 计算误差 y_diff = y_true - y_pred abs_error = np.abs(y_diff) rel_error = (abs_error / (y_true + 1e-7)) * 100 # 百分比误差 # 创建结果DataFrame results = [] # 我们只导出预测集对应的原始数据行（从start_row开始，连续取len(X_data)行） for i in range(len(X_data)): # 当前在原始数据中的行号 idx = start_row + i # 检查索引是否在df范围内 if idx < len(df): # 直接使用iloc按位置索引行，并按位置取最后一列（目标值），避免使用链式索引 # 原始特征值：该行所有特征（除了目标值） row_data = df.iloc[idx] # 这一行为Series actual = row_data.iloc[-1] # 目标值在最后一列 # 收集特征数据（除了目标值，其他都是特征） feature_data = {} for j, col in enumerate(df.columns[:-1]): feature_data[col] = row_data.iloc[j] # 添加结果 result_row = { '时间序号': idx, '实际值': actual, '预测值': y_pred[i], '绝对误差': abs_error[i], '相对误差(%)': rel_error[i], **feature_data } results.append(result_row) # 创建DataFrame并导出 results_df = pd.DataFrame(results) results_df.to_excel(filename, index=False) print(f"结果已导出到: {filename}") return results_df ``` 然后在主流程中调用时，我们传入`start_row=split_index+time_steps`（因为对于验证集，它在原始后处理数据中的样本索引是从split_index开始，所以对应的原始数据行是split_index+time_steps）。 另外，需要修复第一个警告：将`df.iloc[idx][-1]`改为按列位置访问。如以上代码所示，我改为先取行`df.iloc[idx]`，再取该行的最后一列（`row_data.iloc[-1]`）。 所以，修改主流程中调用`export_predictions`的部分： solar_results = export_predictions( solar_model, X_val_solar, y_val_solar, solar_yscaler, solar_data, # 原始数据（没切分） time_steps, split_index + time_steps, # 验证集对应的原始数据起始行 os.path.join(output_dir, "光伏预测结果.xlsx") ) 注意：这里假设`solar_data`是原始的光伏数据（没有划分训练验证），行数为N（原始数据行数）。因此，验证集对应的原始数据起始行为`split_index+time_steps`。 我们还需要注意：`X_val_solar`的样本数应该等于`len(solar_data) - time_steps - split_index`（因为整个样本数是`len(solar_data)-time_steps`，减去训练集样本数split_index）。那么验证集样本数m = len(X_val_solar) = len(solar_data) - time_steps - split_index。所以，在导出结果时，我们循环m次，从`split_index+time_steps`开始，取m行。 我们修改代码解决上述问题。 </think> 您遇到的错误有两个问题需要修复： 1. Pandas索引警告：使用`.iloc[idx][-1]`方式会被弃用 2. 索引越界错误：预测结果与实际数据的索引不匹配 以下是修复后的完整代码： ```python import pandas as pd import numpy as np import tensorflow as tf from sklearn.preprocessing import StandardScaler import os # 1. 数据加载与预处理 def load_data(file_path): """加载预处理后的Excel数据""" df = pd.read_excel(file_path) # 光伏相关特征 solar_features = ["政策强度", "工业增加值同比增长(%)", "水平面太阳总辐射量(千瓦时/平方米)", "太阳能发电量(万千瓦时)"] solar_df = df[solar_features].copy() # 风电相关特征 wind_features = ["政策强度", "工业增加值同比增长(%)", "平均风速（m/s）", "风力发电量(亿千瓦时)"] wind_df = df[wind_features].copy() return solar_df, wind_df # 2. 特征工程处理 def prepare_features(df, features, target, time_steps=3): """准备特征数据，不添加时间季节特征""" # 选择特征和目标变量 X = df[features].values y = df[target].values.reshape(-1, 1) # 特征归一化 X_scaler = StandardScaler() y_scaler = StandardScaler() X_scaled = X_scaler.fit_transform(X) y_scaled = y_scaler.fit_transform(y) # 创建时间序列窗口 X_3d, y_seq = [], [] for i in range(time_steps, len(X_scaled)): X_3d.append(X_scaled[i-time_steps:i, :]) y_seq.append(y_scaled[i, 0]) X_3d = np.array(X_3d) y_seq = np.array(y_seq).reshape(-1, 1) print(f"处理后数据形状: X={X_3d.shape}, y={y_seq.shape}") return X_3d, y_seq, X_scaler, y_scaler, features # 3. 简化的CNN-LSTM模型 def build_simple_model(input_shape, name_suffix): model = tf.keras.Sequential(name=f"Simple-CNN-LSTM_{name_suffix}") # 输入层 model.add(tf.keras.layers.Input(shape=input_shape)) # 卷积层 + LSTM model.add(tf.keras.layers.Conv1D( filters=16, kernel_size=1, padding='same', activation='relu' )) model.add(tf.keras.layers.LSTM(64, return_sequences=False)) model.add(tf.keras.layers.Dense(16, activation='relu')) model.add(tf.keras.layers.Dropout(0.1)) model.add(tf.keras.layers.Dense(1)) # 优化器 optimizer = tf.keras.optimizers.Adam(learning_rate=0.001) model.compile(optimizer=optimizer, loss='mse', metrics=['mae']) return model # 4. 预测结果导出函数 - 修复索引问题 def export_predictions(model, X_data, y_data, scaler, original_df, time_steps, filename): """生成并导出预测结果到Excel""" # 预测 y_pred_scaled = model.predict(X_data) # 逆缩放 dummy = np.zeros((len(y_pred_scaled), 1)) dummy[:, 0] = y_pred_scaled.flatten() y_pred = scaler.inverse_transform(dummy)[:, 0] # 真实值逆缩放 dummy[:, 0] = y_data.flatten() y_true = scaler.inverse_transform(dummy)[:, 0] # 计算误差 y_diff = y_true - y_pred abs_error = np.abs(y_diff) rel_error = (abs_error / (y_true + 1e-7)) * 100 # 防止除零 # 创建结果DataFrame results = [] # 获取目标列名称（原始DF最后一列） target_column = original_df.columns[-1] # 修正索引：从time_steps开始正好对应第一个预测点 for i in range(len(X_data)): # 计算当前预测点对应的原始数据行索引 orig_idx = i + time_steps # 确保索引在原始数据范围内 if orig_idx < len(original_df): # 使用.iloc同时获取行和列索引，避免警告 actual_value = original_df.iloc[orig_idx, -1] # 收集特征值 feature_data = {} for j, col in enumerate(original_df.columns[:-1]): # 排除目标列 # 使用.iloc获取确切值 feature_data[col] = original_df.iloc[orig_idx, j] # 添加结果行 results.append({ '时间序号': orig_idx, '实际值': actual_value, '预测值': y_pred[i], '绝对误差': abs_error[i], '相对误差(%)': rel_error[i], **feature_data }) # 创建DataFrame并导出 results_df = pd.DataFrame(results) results_df.to_excel(filename, index=False) print(f"结果已导出到: {filename}") return results_df # 5. 评估函数 def simple_evaluate(model, X_test, y_test): """仅计算关键指标""" loss, mae = model.evaluate(X_test, y_test, verbose=0) return loss, mae # ===================== 主执行流程 ===================== if __name__ == "__main__": # 配置文件路径 file_path = "D:/研究生/竞赛/能源经济学术创意大赛/预处理后数据.xlsx" output_dir = "D:/研究生/竞赛/能源经济学术创意大赛/预测结果" os.makedirs(output_dir, exist_ok=True) # 加载数据 solar_data, wind_data = load_data(file_path) print(f"光伏数据行数: {len(solar_data)}, 风电数据行数: {len(wind_data)}") # 准备光伏数据 time_steps = 3 X_solar, y_solar, solar_scaler, solar_yscaler, solar_feature_names = prepare_features( solar_data, features=["政策强度", "工业增加值同比增长(%)", "水平面太阳总辐射量(千瓦时/平方米)"], target="太阳能发电量(万千瓦时)", time_steps=time_steps ) # 划分数据集 split_index = int(len(X_solar) * 0.8) X_train_solar = X_solar[:split_index] y_train_solar = y_solar[:split_index] X_val_solar = X_solar[split_index:] y_val_solar = y_solar[split_index:] # 构建光伏模型 solar_model = build_simple_model( input_shape=X_train_solar.shape[1:], name_suffix="Solar" ) # 训练模型（简化回调） history = solar_model.fit( X_train_solar, y_train_solar, validation_data=(X_val_solar, y_val_solar), epochs=100, batch_size=16, verbose=1 ) # 评估模型 val_loss, val_mae = simple_evaluate(solar_model, X_val_solar, y_val_solar) print(f"验证集指标 - MSE: {val_loss:.4f}, MAE: {val_mae:.4f}") # 导出预测结果 - 使用原始df export_predictions( solar_model, X_val_solar, y_val_solar, solar_yscaler, solar_data, # 原始数据DataFrame time_steps, # 时间步长 os.path.join(output_dir, "光伏预测结果.xlsx") ) print("光伏预测处理完成，结果已导出。风电处理需相应实现") ``` ### 主要修复点： 1. **索引越界问题修复**： - 修改了`export_predictions`函数中的索引计算方法 - 使用`orig_idx = i + time_steps`确保索引在有效范围内 - 添加了索引范围检查：`if orig_idx < len(original_df)` 2. **Pandas警告修复**： - 将`df.iloc[idx][-1]`替换为安全的双重索引`.iloc[idx, -1]` - 使用`.iloc`直接定位行列避免链式索引警告 3. **结果导出改进**： - 动态获取目标列名称减少硬编码 - 每个特征值使用`.iloc[orig_idx, j]`精准获取 - 添加更清晰的日志输出 ### 使用说明： 运行后将在指定目录生成"光伏预测结果.xlsx"文件，包含以下列： - 时间序号：原始数据的行索引 - 实际值：太阳能发电量实际值 - 预测值：模型预测值 - 绝对误差：实际-预测的绝对值 - 相对误差(%)：误差百分比 - 各输入特征值：政策强度、工业增加值等 时间序号直接对应原始Excel中的数据行号，便于对照验证。