dataframe.values.tolist()


import ddbscan
import numpy as np
import matplotlib.pyplot as plt

import os
import pandas as pd

os.chdir(r'F:\转矩寻优\风电功率异常数清洗\ddbscan-master')
file = '数据（程序） - 副本 - 副本.xlsx'
dataframe = pd.read_excel(file)

dataframe = dataframe[['1秒平均风速[m/s]', '有功功率[kW]']]
data = dataframe.values.tolist()
# Test with parameters eps=5 and min_pts=5
# 对象半径
eps = 2
# 核心点的最小邻域数
min_pts = 20
scan = ddbscan.DDBSCAN(eps, min_pts)

for p in data:
    scan.add_point(p, 1, "Desc")
print('scan.compute()')
scan.compute()
print('plt')
outliers_data = []
inliers_data = []
count_outliers = 0
for p in scan.points_data:
    if p.cluster == -1:
        nei = p.neighbourhood
        index = nei[0]
        outliers_data.append(scan.points[index])
        count_outliers = count_outliers + p.count
    else:
        index = scan.points_data.index(p)
        inliers_data.append(scan.points[index])
count_clusters = len(scan.clusters)
print(count_clusters)
inlier = np.array(inliers_data)
outliers = np.array(outliers_data)
title = 'ddbscan' + '_' + str(eps) + '_' + str(min_pts)
plt.title(title)


b1 = plt.scatter(inlier[:, 0], inlier[:, 1], c='green',
                 s=20, edgecolor='k')
c = plt.scatter(outliers[:, 0], outliers[:, 1], c='red',
                s=20, edgecolor='k')
plt.axis('tight')
plt.xlabel('m/s')
plt.ylabel('kw')
plt.xticks(range(0, 21, 1))
plt.legend([b1, c],
           ["normal", "abnormal"],
           loc="best")
plt.savefig(r'F:\转矩寻优\风电功率异常数清洗\ddbscan-master\photo/' + title + '.png')
plt.show()

出现这个问题，怎么解决哇

Traceback (most recent call last):
File "F:\转矩寻优\风电功率异常数清洗\ddbscan-master\ddbscan_wind.py", line 44, in
b1 = plt.scatter(inlier[:, 0], inlier[:, 1], c='green',
IndexError: too many indices for array: array is 1-dimensional, but 2 were indexed

这个错误提示是因为 inliers_data 和 outliers_data 中的数据没有被正确转换为多维数组。可以通过以下方法修改代码：

在导入 numpy 的时候，给它取一个别名，方便后续调用，比如把 import numpy as np 改为 import numpy as npy。
当从 Pandas 的 dataframe 转换到 list 的时候，确保数据已经按照需要的数据类型格式正确排列。在此例中，数据应该是一个二维数组，包含两列：第一列为 1 秒平均风速，第二列为有功功率。可以使用 [:, 0] 和 [:, 1] 对数据进行索引。确保你使用了正确的索引方式。如果存在数据类型错误，例如 Excel 表格中出现空单元格或者非数值数据，也需要进行处理，否则可能会影响后续计算。
在 plt.scatter() 函数调用时，分别传入 inlier[:, 0] 和 inlier[:, 1] 以及 outliers[:, 0] 和 outliers[:, 1] 参数。注意到这些变量的维度应该是相同的，否则就会出现上述错误提示。

下面是修改后的代码示例：

import ddbscan
import numpy as npy
import matplotlib.pyplot as plt
import os
import pandas as pd

os.chdir(r'F:\转矩寻优\风电功率异常数清洗\ddbscan-master')

file = '数据（程序） - 副本 - 副本.xlsx'
dataframe = pd.read_excel(file)
dataframe = dataframe[['1秒平均风速[m/s]', '有功功率[kW]']]
data = dataframe.values.tolist()

eps = 2
min_pts = 20
scan = ddbscan.DDBSCAN(eps, min_pts)

for p in data:
    scan.add_point(p, 1, "Desc")

print('scan.compute()')
scan.compute()
print('plt')

outliers_data = []
inliers_data = []
count_outliers = 0

for p in scan.points_data:
    if p.cluster == -1:
        nei = p.neighbourhood
        index = nei[0]
        outliers_data.append(scan.points[index])
        count_outliers = count_outliers + p.count
    else:
        index = scan.points_data.index(p)
        inliers_data.append(scan.points[index])

count_clusters = len(scan.clusters)
print(count_clusters)

inlier = npy.array(inliers_data)
outliers = npy.array(outliers_data)

title = 'ddbscan' + '_' + str(eps) + '_' + str(min_pts)
plt.title(title)

b1 = plt.scatter(inlier[:, 0], inlier[:, 1], c='green',
                 s=20, edgecolor='k')
c = plt.scatter(outliers[:, 0], outliers[:, 1], c='red',
                s=20, edgecolor='k')

plt.axis('tight')
plt.xlabel('m/s')
plt.ylabel('kw')
plt.xticks(range(0, 21, 1))
plt.legend([b1, c],
           ["normal", "abnormal"],
           loc="best")
plt.savefig(r'F:\转矩寻优\风电功率异常数清洗\ddbscan-master\photo/' + title + '.png')
plt.show()

希望这可以帮助你解决问题。