#?-*-?coding:?utf-8?-*-
“““
Created?on?Fri?Nov?17?11:09:14?2017

@author:?Administrator

“““
import?time
import?numpy
from?math?import?sqrt
from?numpy?import?concatenate
from?matplotlib?import?pyplot
from?pandas?import?read_csv
from?pandas?import?Dataframe
from?pandas?import?concat
from?sklearn.preprocessing?import?MinMaxScaler
from?sklearn.preprocessing?import?LabelEncoder
from?sklearn.metrics?import?mean_squared_error
from?keras.models?import?Sequential
from?keras.layers?import?DenseActivationdropout
from?keras.layers?import?LSTM


#?convert?series?to?supervised?learning?將序列轉換成監督學習問題
def?series_to_supervised（data?n_in=1?n_out=1?dropnan=True）:
????n_vars?=?1?if?type（data）?is?list?else?data.shape[1]
????df?=?Dataframe（data）
????cols?names?=?list（）?list（）
????#?input?sequence?（t-n?...?t-1）
????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）]


????#?forecast?sequence?（t?t+1?...?t+n）
????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）]
????#?put?it?all?together
????agg?=?concat（cols?axis=1）
????agg.columns?=?names
????#?drop?rows?with?NaN?values
????if?dropnan:
????????agg.dropna（inplace=True）
????return?agg


#?load?dataset
dataset?=?read_csv（‘tuoluoyi-A-kewen1-csv.csv‘?header=0?index_col=0）??#header?第一列為編號??index_col為取索引的參數
values?=?dataset.values
pyplot.figure（1）
pyplot.plot（values）?
pyplot.show（）
#?integer?encode?direction
#encoder?=?LabelEncoder（）???#簡單來說?LabelEncoder?是對不連續的數字或者文本進行編號
#values[:?4]?=?encoder.fit_transform（values[:?4]）??#將第四列進行文本編碼
#?ensure?all?data?is?float
values?=?values.astype（‘float32‘）??#轉化為浮點型
#?normalize?features
scaler?=?MinMaxScaler（feature_range=（0?1））????#歸一化處理
scaled?=?scaler.fit_transform（values）
#?frame?as?supervised?learning
reframed?=?series_to_supervised（scaled?1?1）??#轉化為監督學習??設計預測維數
#?drop?columns?we?don‘t?want?to?predict
#reframed.drop（reframed.columns[[567]]?axis=1?inplace=True）?#reframed.drop?刪除不預測的列
print（reframed.head（））

#?split?into?train?and?test?sets
values?=?reframed.values
n_train_hours?=?41000
train?=?values[:n_train_hours?:]
test?=?values[n_train_hours:?:]
#?split?into?input?and?outputs
train_X?train_y?=?train[:?:-1]