我使用sklearn和有一个问题的亲和传播。我已经建立了一个输入矩阵，我一直得到以下错误。
ValueError: Input contains NaN, infinity or a value too large for dtype('float64').
我已经跑了
np.isnan(mat.any()) #and gets False
np.isfinite(mat.all()) #and gets True
我试着用
mat[np.isfinite(mat) == True] = 0
去除掉无限值，但这也没用。 我要怎么做才能去掉矩阵中的无穷大值，这样我就可以使用亲和传播算法了?
我使用anaconda和python 2.7.9。
当前回答
这是它失败的检查:
https://github.com/scikit-learn/scikit-learn/blob/0.17.X/sklearn/utils/validation.py#L51
说
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)
所以确保你的输入中有非NaN值。所有这些值实际上都是浮点值。这些值也不应该是Inf。
其他回答
我有错误后，试图选择一个子集的行:
df = df.reindex(index=my_index)
结果是my_index包含df中不包含的值。索引，所以reindex函数插入一些新行，并用nan填充它们。
这是我的函数(基于此)来清除数据集的nan, Inf和缺失的单元格(用于倾斜的数据集):
import pandas as pd
import numpy as np
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(axis=1)
return df[indices_to_keep].astype(np.float64)
在处理这个问题很长一段时间后，我意识到这是因为在训练集和测试集的分割中，所有数据行的数据列都是相同的。然后在某些算法中进行一些计算可能会导致无穷大的结果。如果您正在使用的数据的关闭行更可能是相似的，那么重新排列数据会有所帮助。这是scikit的一个漏洞。我使用的是0.23.2版本。
我得到了同样的错误。它适用于df。fillna(-99999, inplace=True)，然后再做任何替换，替换等
如果您碰巧使用“kc_house_data.csv”数据集(一些评论者和许多数据科学新手似乎使用这个数据集，因为它出现在许多流行的课程材料中)，则该数据是错误的，并且是错误的真正来源。
为了解决这个问题，从2022年开始:
删除csv文件中的最后一行(空) 有两行包含一个空数据值"x,x，，x,x" -要修复它，不要删除逗号，而是添加一个随机整数值，如2000，因此它看起来像"x,x,2000,x,x"
不要忘记在项目中保存和重新加载。
所有其他答案都是有帮助和正确的，但在这种情况下不是:
如果你使用kc_house_data.csv，你需要修复文件中的数据，没有其他帮助，空数据字段将随机转移其他数据，并产生难以追踪到源的奇怪错误!
