python - StandardScaler -ValueError : Input contains NaN, 无穷大或对于 dtype ('float64' 来说值太大)

Question

我有以下代码

X = df_X.as_matrix(header[1:col_num])
scaler = preprocessing.StandardScaler().fit(X)
X_nor = scaler.transform(X) 

并得到以下错误:

  File "/Users/edamame/Library/python_virenv/lib/python2.7/site-packages/sklearn/utils/validation.py", line 54, in _assert_all_finite
    " or a value too large for %r." % X.dtype)
ValueError: Input contains NaN, infinity or a value too large for dtype('float64').

---

我用过:

print(np.isinf(X))
print(np.isnan(X))

这给了我下面的输出。这并不能真正告诉我哪个元素有问题，因为我有数百万行。

[[False False False ..., False False False]
 [False False False ..., False False False]
 [False False False ..., False False False]
 ..., 
 [False False False ..., False False False]
 [False False False ..., False False False]
 [False False False ..., False False False]]

有没有办法确定矩阵 X 中的哪个值实际上导致了问题？人们通常如何避免它？

Answer 1

numpy包含针对此类事物的各种逻辑元素测试。

在您的特定情况下，您需要使用 isinf和 isnan .

响应您的编辑:

您可以将 np.isinf() 或 np.isnan() 的结果传递给 np.where()，这将返回条件为真的索引。这是一个简单的例子:

import numpy as np

test = np.array([0.1, 0.3, float("Inf"), 0.2])

bad_indices = np.where(np.isinf(test))

print(bad_indices)

然后您可以使用这些索引来替换数组的内容:

测试[bad_indices] = -1