我正在使用sklearn并且亲和力传播有问题。我已经构建了一个输入矩阵,我不断收到以下错误。
ValueError: Input contains NaN, infinity or a value too large for dtype('float64').
我跑了
np.isnan(mat.any()) #and gets False
np.isfinite(mat.all()) #and gets True
我试过用
mat[np.isfinite(mat) == True] = 0
删除无限值但这也不起作用。我该怎样做才能摆脱矩阵中的无限值,以便我可以使用亲和传播算法?
我正在使用anaconda和python 2.7.9。
这可能发生在scikit内部,这取决于你正在做什么。我建议您阅读您正在使用的功能的文档。你可能正在使用一个依赖于你的矩阵是肯定的,不满足那个标准。
编辑:我怎么能错过:
np.isnan(mat.any()) #and gets False
np.isfinite(mat.all()) #and gets True
显然是错的。权利是:
np.any(np.isnan(mat))
和
np.all(np.isfinite(mat))
你想检查是否有任何元素是NaN,而不是qazxsw poi函数的返回值是否为数字...
在我的情况下,问题是许多scikit函数返回numpy数组,没有pandas索引。因此,当我使用那些numpy数组来构建新的DataFrames然后我尝试将它们与原始数据混合时,存在索引不匹配。
尝试
df.fillna(-99999, inplace=True)
如果您的数据总和是无穷大(大于最大浮点值3.402823e + 38),您将得到该错误。
从scikit源代码中查看validation.py中的_assert_all_finite函数:
mat.sum()
使用带有pandas的sklearn时,我收到了相同的错误消息。我的解决方案是在运行任何sklearn代码之前重置我的数据帧any
的索引:
df
当我删除df = df.reset_index()
中的一些条目时,我多次遇到此问题,例如
df
我的输入数组的Dimensions是倾斜的,因为我的输入csv有空格。
这是它失败的检查:
df = df[df.label=='desired_one']
哪个说
https://github.com/scikit-learn/scikit-learn/blob/0.17.X/sklearn/utils/validation.py#L51
因此,请确保输入中有非NaN值。所有这些值实际上都是浮点值。这些值都不应该是Inf。
这是我的函数(基于def _assert_all_finite(X):
"""Like assert_all_finite, but only for ndarray."""
X = np.asanyarray(X)
# First try an O(n) time, O(1) space solution for the common case that
# everything is finite; fall back to O(n) space np.isfinite to prevent
# false positives from overflow in sum method.
if (X.dtype.char in np.typecodes['AllFloat'] and not np.isfinite(X.sum())
and not np.isfinite(X).all()):
raise ValueError("Input contains NaN, infinity"
" or a value too large for %r." % X.dtype)
)来清理this,nan
和缺失单元格的数据集(对于倾斜的数据集):
Inf
有了这个版本的python 3:
import pandas as pd
def clean_dataset(df):
assert isinstance(df, pd.DataFrame), "df needs to be a pd.DataFrame"
df.dropna(inplace=True)
indices_to_keep = ~df.isin([np.nan, np.inf, -np.inf]).any(1)
return df[indices_to_keep].astype(np.float64)
查看错误的详细信息,我发现导致失败的代码行:
/opt/anaconda3/bin/python --version
Python 3.6.0 :: Anaconda 4.3.0 (64-bit)
从这里,我能够使用相同的测试提取正确的方法来测试我的数据发生了什么,该测试由于错误消息而失败:/opt/anaconda3/lib/python3.6/site-packages/sklearn/utils/validation.py in _assert_all_finite(X)
56 and not np.isfinite(X).all()):
57 raise ValueError("Input contains NaN, infinity"
---> 58 " or a value too large for %r." % X.dtype)
59
60
ValueError: Input contains NaN, infinity or a value too large for dtype('float64').
然后通过一个快速而又脏的循环,我能够发现我的数据确实包含np.isfinite(X)
:
nans
现在我所要做的就是删除这些索引的值。
尝试选择行的子集后,我遇到了错误:
print(p[:,0].shape)
index = 0
for i in p[:,0]:
if not np.isfinite(i):
print(index, i)
index +=1
(367340,)
4454 nan
6940 nan
10868 nan
12753 nan
14855 nan
15678 nan
24954 nan
30251 nan
31108 nan
51455 nan
59055 nan
...
事实证明,df = df.reindex(index=my_index)
包含my_index
中未包含的值,因此reindex函数插入了一些新行并用df.index
填充它们。
我有同样的错误,在我的情况下,X和y是数据帧,所以我必须先将它们转换为矩阵:
nan
我得到了同样的错误。在进行任何替换,替换等之前,它与X = X.as_matrix().astype(np.float)
y = y.as_matrix().astype(np.float)
合作