ValueError:所有参数的形状

Question

在我的实验中，我有一个非常小的时间序列数据，有三个列，格式如下。由于无法在堆栈溢出上附加文件，因此这里附加了完整的数据集以提高可再现性：

http://www.mediafire.com/file/el1tkrdun0j2dk4/testdata.csv/file

  time        X      Y
 0.040662  1.041667  1
 0.139757  1.760417  2
 0.144357  1.190104  1
 0.145341  1.047526  1
 0.145401  1.011882  1
 0.148465  1.002970  1
 ....      .....     .

我们想做平滑，这是我的代码

import matplotlib.pyplot as plt 
from pykalman import KalmanFilter 
import numpy as np
import pandas as pd

df = pd.read_csv('testdata.csv')
print(df)
pd.set_option('use_inf_as_null', True)

df.dropna(inplace=True)

X = df.drop('Y', axis=1)
y = df['Y']


d1= np.array(X)
d2 = np.array(y)

measurements = np.asarray(d1)

kf = KalmanFilter(transition_matrices=[1],
                  observation_matrices=[1],
                  initial_state_mean=measurements[0],
                  initial_state_covariance=1,
                  observation_covariance=5,
                  transition_covariance=1) 
state_means, state_covariances = kf.filter(measurements) 
state_std = np.sqrt(state_covariances[:,0]) 
print (state_std) 
print (state_means) 
print (state_covariances)

plt.plot(measurements, '-r', label='measurment') 
plt.plot(state_means, '-g', label='kalman-filter output') 
plt.legend(loc='upper left') 
plt.show()

如果我们只考虑X和Y列，就像我在上面的代码中所做的那样，它将给出如下的图输出

​

​

我希望在time上有第一列(‘x-axis) (1-10)，在y-axis上有第二列(X)的值。

但是，当我试图在dataset (time)中添加第一列时，将得到以下错误

ValueError: The shape of all parameters is not consistent. Please re-check their values.

我该如何解决这个问题？任何帮助都将不胜感激。

Answer 1

您可以进行以下更改：

1添加measurements[0,1]，因此intial_state_mean的输入是单个值。这应该可以消除你看到的错误。

kf = KalmanFilter(transition_matrices=[1],
                  observation_matrices=[1],
                  initial_state_mean=measurements[0,1], # Change here
                  initial_state_covariance=1,
                  observation_covariance=5,
                  transition_covariance=1)

2将输入更改为kf.filter，只包括X列：measurements[:,1]。

state_means, state_covariances = kf.filter(measurements[:,1]) # Change here
state_std = np.sqrt(state_covariances[:,0])
print (state_std)
print (state_means)
print (state_covariances)

3在x轴上绘制time图.

plt.plot(measurements[:,0], measurements[:,1], '-r', label='measurment') # Change here
plt.plot(measurements[:,0], state_means, '-g', label='kalman-filter output') # Change here
plt.legend(loc='upper left')
plt.show()