报错信息:
Input contains NaN, infinity or a value too large for dtype('float64').
Input X must be non-negative.
输入值中包含空值,无穷值或超出dtype('float64')
的范围!
输入值必须为正数。
源代码解析:
>>>X=array([[0.,0.,0.,...,nan,nan,nan],[1.,0.,1.,...,nan,nan,nan],[0.,0.,0.,...,1.,0.,0.],...,[0.,0.,0.,...,1.,0.,0.],[0.,0.,0.,...,1.,0.,1.],[0.,0.,0.,...,1.,0.,0.]])>>>fromsklearn.feature_selectionimportVarianceThreshold>>>selector=VarianceThreshold()#实例化,不填参数默认方差为0>>>x_var=selector.fit_transform(X)>>>x_fillna=pd.DataFrame(x_var).fillna(2)>>>score=[]>>>foriinrange(1400,499,-10):...X_chi=SelectKBest(chi2,k=i).fit_transform(x_fillna,y)...once=cross_val_score(RFC(n_estimators=10,random_state=0),X_chi,y,cv=5).mean()...score.append(once)...print((i,once))>>>plt.plot(range(1400,499,-10),score)>>>plt.show()ValueError:InputcontainsNaN,infinityoravaluetoolargefordtype('float64').
报错显示“输入值中包含空值,无穷值或超出dtype('float64')
的范围!”,但明明已经填充缺失值了。
问题排查:
#检查是否包含缺失值>>> any(x_fillna.isnull().any())False#检查是否包含无穷数据>>> any(np.isinf(x_fillna).all())False
all(x)
x
元素都不为False、''、0或者x
为空,则all(x)
为True,也就是说只要x
元素有一个为"假",则all(x)
为False。"全 ‘真’ 为True,有 ‘假’ 为False"。
any(x)
x
的任何元素都为False、0,'',或者x
全为空,则any(x)
为False,也就是说所有的x
都为'假',则any(x)
为False。"全‘假’为False,有‘真’为True"。
np.isfinite(x).all()
x 元素是否有限,全部为True 即为没有无限值。包含无限值为False,不包含无限值为True
np.isinf(x).all()
x 元素是否无限,全部为True 即为都是无限值。包含有限值为False,不包含有限值为True
有网友踩过的坑:
解决方案:
若写出以下方式就会报错,因为此处只是输出x_fillna
填充后的副本,原变量并未更改。
x_fillna=pd.DataFrame(x_var)x_fillna.fillna(2)
正确写法,以下三个均可行:
x_fillna=pd.DataFrame(x_var).fillna(2)
x_fillna=pd.DataFrame(x_var)x_fillna.fillna(-2,inplace=True)
x_fillna = pd.DataFrame(x_var)x_fillna = x_fillna.fillna(2)
一个问题已解决,但另一个问题出现:Input X must be non-negative.
但我并没有踩这个坑,毕竟我这么聪明....
继续问题排查:
在做方差过滤时出现一个警告:
因为有输出,就没有留意...
#方差过滤报错>>> fromsklearn.feature_selectionimportVarianceThreshold>>> selector=VarianceThreshold()#实例化,不填参数默认方差为0>>> x_var=selector.fit_transform(X)C:\Users\HP\anaconda3\lib\site-packages\sklearn\feature_selection\_variance_threshold.py:77:RuntimeWarning:Degreesoffreedom<=0forslice.self.variances_=np.nanvar(X,axis=0)C:\Users\HP\anaconda3\lib\site-packages\numpy\core\fromnumeric.py:52:RuntimeWarning:invalidvalueencounteredinreducereturngetattr(obj,method)(*args,**kwds)C:\Users\HP\anaconda3\lib\site-packages\sklearn\feature_selection\_variance_threshold.py:85:RuntimeWarning:All-NaNsliceencounteredself.variances_=np.nanmin(compare_arr,axis=0)C:\Users\HP\anaconda3\lib\site-packages\sklearn\feature_selection\_variance_threshold.py:88:RuntimeWarning:invalidvalueencounteredinless_equal(self.variances_<=self.threshold)):C:\Users\HP\anaconda3\lib\site-packages\sklearn\feature_selection\_variance_threshold.py:99:RuntimeWarning:invalidvalueencounteredingreaterreturnself.variances_>self.threshold
>>> np.all(X>0)False>>> np.all(X_var>0)False
而且
>>> np.var(X_var)nan
报错原因:原始数据csv文件中存在negative, NaN, inf.
(负数、空值或者无穷数)
解决方案:
NaN
--> 缺失值填补
X.fillna(0,inplace=True)
negative
-->Max-Min归一化:(一种线性变换方法,标准化后数据完全落入[0,1]区间,能够较好的保持原有数据结构)
fromsklearnimportpreprocessingminmax_scaler=preprocessing.MinMaxScaler()#建立模型对象data_scale=minmax_scaler.fit_transform(data)#标准化处理
inf.
--> 当作异常值处理
另一种解决方案:
用python自带var()
函数替代sklearn.feature_selection.VarianceThreshold
:
x_col=X.columns[X.var()==0]#提取方差为0的字段x_var=X.loc[:,[iforiinX.columnsifinotinx_col]]#列表表达式过滤方差为0的字段X_var=pd.DataFrame(x_var).fillna(2)#用2填补缺失值score=[]foriinrange(1400,499,-10):X_chi=SelectKBest(chi2,k=i).fit_transform(x_fillna,y)once=cross_val_score(RFC(n_estimators=10,random_state=0),X_chi,y,cv=5).mean()score.append(once)print((i,once))plt.plot(range(1400,499,-10),score)plt.show()
结果是一样的,在需要知道删除了哪些变量时,运用var()
比sklearn
更加实用
问题解决!
-- 数据STUDIO --