Python 运行时警告：无效值在除法中遇到，以及 MinMaxScaler 特征不匹配错误的解决方案

非常抱歉之前的代码错误造成的困扰。根据您的数据，我注意到您的数据矩阵中只有3个特征，而原本的代码假设有4个特征。这导致了最后一个错误。

为了解决这个问题，您只需在归一化之前更新MinMaxScaler的特征名称，使其与未来的特征矩阵相匹配。以下是更新后的代码：

# 更新特征名称
scaler.feature_range = (0, 1)
scaler.fit(df)

# 归一化未来的特征数据
future_scaled = scaler.transform(future_features)

# 使用TSK_FLS模型预测未来的目标变量
future_pred = model.predict(future_scaled)

# 输出未来10年的预测结果
print('未来10年的预测结果:', future_pred)

通过将MinMaxScaler对象重新拟合并更新特征范围，我们可以使用正确的特征名称来归一化未来的特征数据。

非常抱歉之前的错误造成的困扰，希望以上代码能帮助您正确地预测未来10年的成分数据。如果您还有其他问题，请随时提问。