我正在处理NFL比赛位置跟踪数据，其中每个比赛有多个行数据。我希望按以下方式组织我的数据：
x_train = [[a1,b1,c1,…],[a2,b2,c2,…],…,[an,bn,cn,…]]y_train = [y1,y2,…,yn]
其中x_train包含比赛的跟踪数据，y_train包含比赛的结果。
我看到使用IMDb数据进行情感分析的示例，使用Keras的LSTM模型，我想用我的跟踪数据尝试同样的方法。但是，我在格式化x_train时遇到了问题。
for rows in plays.itertuples(): #print(getattr(rows, 'gameId'), gameMax) play = isolatePlay(week, getattr(rows, 'gameId'), getattr(rows, 'playId')) train_x[count] = play count+=1 print("train_x", train_x)def isolatePlay(data, gameNum, playNum):mod = data[data['gameId'] == gameNum]return mod[mod['playId'] == playNum]上面的代码遍历我的比赛数据，获取一个比赛，然后找到该比赛的跟踪数据(isolatePlay)。我希望它能将比赛数据添加到我的train_x数组中。我之前的所有尝试都没有成功，结果得到一个数组[a1,b1,c1,…,a2,b2,c2,…]，只是将比赛数据简单地添加到一个数组中。
我尝试了多种方法，例如使用append方法train_x = np.append(train_x, [play], axis=0)，但都没有成功。
如何才能正确地实现我为机器学习格式化这些数据的目标呢？
编辑：
我尝试了这个：
first = Truefor rows in plays.itertuples(): #print(getattr(rows, 'gameId'), gameMax) play = isolatePlay(week, getattr(rows, 'gameId'), getattr(rows, 'playId')) if (first): train_x = play first = False else: train_x = train_x.append([play])但仍然得到一个没有为不同比赛分隔的数组。
我也尝试了这个：
first = Truefor rows in plays.itertuples(): #print(getattr(rows, 'gameId'), gameMax) play = isolatePlay(week, getattr(rows, 'gameId'), getattr(rows, 'playId')) if (first): train_x = [play] first = False else: train_x = train_x.append([play]) print("train_x", train_x)这在train_x.append([play])上抛出了错误
AttributeError: ‘NoneType’ object has no attribute ‘append’
编辑2（解决方案）：
按照答案的建议将train_x变成一个列表，使用train_x.append(play)有效
first = Truefor rows in plays.itertuples(): #print(getattr(rows, 'gameId'), gameMax) play = isolatePlay(week, getattr(rows, 'gameId'), getattr(rows, 'playId')) if (first): train_x = [play] first = False else: train_x.append(play) #train_x[len(train_x):] = [play]也有效 print("train_x", train_x)输出结果是一个包含不同长度数据框的列表
回答：
我之前使用过Keras的LSTM层，这似乎是一个非常有趣的应用。我很乐意帮助，但格式化数据以用于LSTM层有很多需要考虑的地方，在正确运行之前，我想澄清一下这个应用的目标。
位置比赛数据，是指球员在场上的位置吗？
比赛结果数据，这是比赛的结果吗，例如获得/失去的码数，传球/跑动比赛等？
你希望从中得到什么样的值？（分类或数值）
编辑/回答：
在列表上使用.append()方法来添加元素。
train_x = []for rows in plays.itertuples(): play = isolatePlay(week, getattr(rows, 'gameId'), getattr(rows, 'playId')) train_x.append([play]) count=len(train_x)我在评论中提到，你可能需要研究其他模型/层来应用于这个项目，但我希望这能帮助解决你目前的问题。如果没有
