坛内有没有熟悉Python的高人，求助一段代码运行始终错误，如何是好？

穿山甲龙

[td] 步骤 Python代码 说明 导入库 import pandas as pdimport numpy as npfrom sklearn.linear_model import LinearRegressionfrom sklearn.metrics import r2_score, mean_squared_error, mean_absolute_error 导入必要的Python库 步骤1：数据预处理 1.1 数据加载 df = pd.read_csv('gas_station_data.csv') 读取数据文件 1.2 数据清洗 df = df.dropna()df = df[(df['加油量'] > 0) & (df['耗电量'] > 0)] 删除缺失值和异常值 1.3 特征工程 df['单位油耗电'] = df['耗电量'] / df['加油量']df['加油速度'] = df['加油量'] / (df['时长']/60) 创建新特征 1.4 数据分割 train_data = df.sample(frac=0.8, random_state=42)test_data = df.drop(train_data.index) 划分训练集和测试集 步骤2：简单线性回归 2.1 准备数据 X_simple = train_data[['加油量']]y_simple = train_data['耗电量'] 选择特征和标签 2.2 训练模型 model_simple = LinearRegression()model_simple.fit(X_simple, y_simple) 训练简单线性回归模型 2.3 输出参数 print(f"截距(β0): {model_simple.intercept_:.5f} kWh")print(f"斜率(β1): {model_simple.coef_:.5f} kWh/L")print(f"R²: {model_simple.score(X_simple, y_simple):.3f}") 输出模型参数 2.4 预测示例 v_pred = np.array([, , ])e_pred = model_simple.predict(v_pred) 预测特定加油量的耗电量 步骤3：多元线性回归 3.1 数据预处理 df = pd.get_dummies(df, columns=['油品类型'], prefix='油品') 将油品类型转换为虚拟变量 3.2 准备特征 features = ['加油量', '时长', '环境温度', '油品_92#汽油', '油品_95#汽油', '油品_柴油']X_multi = train_data[features]y_multi = train_data['耗电量'] 准备多元回归特征 3.3 训练模型 model_multi = LinearRegression()model_multi.fit(X_multi, y_multi) 训练多元线性回归模型 3.4 输出系数 for feature, coef in zip(features, model_multi.coef_):    print(f"{feature}: {coef:.5f}") 输出每个特征的系数 步骤4：模型验证 4.1 测试集预测 X_test = test_data[features]y_test = test_data['耗电量']y_pred = model_multi.predict(X_test) 在测试集上进行预测 4.2 计算评估指标 mse = mean_squared_error(y_test, y_pred)rmse = np.sqrt(mse)mae = mean_absolute_error(y_test, y_pred)r2 = r2_score(y_test, y_pred) 计算模型性能指标 4.3 计算相对误差 relative_error = np.mean(np.abs((y_test - y_pred) / y_test)) * 100print(f"平均相对误差: {relative_error:.1f}%") 计算平均相对误差 [td] 交易ID 时间戳 加油枪号 油品类型 加油量(L) 耗电量(kWh) 时长(s) 环境温度(℃) TX001 2024-01-15 10:30:15 1 92#汽油 45.2 0.125 180 25 TX002 2024-01-15 10:32:40 2 95#汽油 32.8 0.095 120 25 TX003 2024-01-15 10:35:10 3 柴油 68.5 0.185 240 25 TX004 2024-01-15 10:38:20 1 92#汽油 28.3 0.082 140 26 TX005 2024-01-15 10:41:30 2 95#汽油 50.5 0.136 220 24 TX006 2024-01-15 10:45:15 3 柴油 42.3 0.115 200 25 TX007 2024-01-15 10:48:50 1 92#汽油 15.2 0.045 90 26 TX008 2024-01-15 10:51:10 2 95#汽油 38.7 0.105 180 24 TX009 2024-01-15 10:54:30 3 柴油 60.2 0.152 260 25 TX010 2024-01-15 10:58:20 1 92#汽油 22.1 0.067 120 26

avocado

你的错误信息呢？

myfs

这种小问题，直接错误信息扔给 AI  就解决了，AI 是无所不能的！！！

炫迈

最明显的是预测示例那里np.array([, , ])这个写法语法错误，数组不能为空，应该填具体的加油量数值比如np.array([[30], [40], [50]])

数据加载也有问题，你下面给的示例数据是表格形式，但代码里直接读csv，建议先把示例数据存成gas_station_data.csv文件，注意列名要完全匹配，比如油品类型要和代码里的'油品类型'一致，我注意到示例数据里是92#汽油，但代码里用的是'油品_92#汽油'这种格式，需要先做数据清洗

特征工程那行df['加油速度'] = df['加油量'] / (df['时长']/60)计算单位是升/分钟，但时长是秒，除以60是对的，不过要确保时长列没有0值，否则会除零错误，建议加个异常处理

多元回归前的虚拟变量转换，pd.get_dummies会生成新列，但后面特征列表里写了'油品_92#汽油'，实际生成的列名可能是'油品类型_92#汽油'，要看具体输出，建议先打印df.columns看看

测试集预测那里X_test = test_data[features]，但features是在训练集上定义的，如果测试集缺少某些油品类型会导致错误，最好用训练集生成的虚拟变量列名来筛选测试集

LLUU_f

可以直接问ai的，更快帮你解决问题