python - sklearn error ValueError: Input contains NaN, infinity or a value too large for dtype('float64')

Question

I am using sklearn and having a problem with the affinity propagation. I have built an input matrix and I keep getting the following error.

ValueError: Input contains NaN, infinity or a value too large for dtype('float64').

I have run

np.isnan(mat.any()) #and gets False
np.isfinite(mat.all()) #and gets True

I tried using

mat[np.isfinite(mat) == True] = 0

to remove the infinite values but this did not work either. What can I do to get rid of the infinite values in my matrix, so that I can use the affinity propagation algorithm?

I am using anaconda and python 2.7.9.

score 145 · Accepted Answer

这可能发生在 scikit 内部，这取决于你在做什么。我建议阅读有关您正在使用的功能的文档。您可能正在使用一个取决于例如您的矩阵是正定的并且不满足该标准的矩阵。

编辑：我怎么能错过：

np.isnan(mat.any()) #and gets False
np.isfinite(mat.all()) #and gets True

显然是错误的。正确的是：

np.any(np.isnan(mat))

和

np.all(np.isfinite(mat))

您想检查任何元素是否为 NaN，而不是any函数的返回值是否为数字...

score 61 · Accepted Answer

将sklearn与pandas一起使用时，我收到了相同的错误消息。我的解决方案是df在运行任何 sklearn 代码之前重置我的数据帧的索引：

df = df.reset_index()

当我删除我的一些条目时，我多次遇到这个问题df，例如

df = df[df.label=='desired_one']

score 43 · Accepted Answer

这是我的函数（基于this）来清理nan、Inf和缺失单元格的数据集（对于倾斜的数据集）：

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(1)
    return df[indices_to_keep].astype(np.float64)

score 15 · Accepted Answer

这是它失败的检查：

https://github.com/scikit-learn/scikit-learn/blob/0.17.X/sklearn/utils/validation.py#L51

哪个说

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)

因此，请确保您的输入中有非 NaN 值。所有这些值实际上都是浮点值。任何值都不应该是 Inf 。

score 14 · Accepted Answer

在大多数情况下，摆脱无限和空值可以解决这个问题。

摆脱无限的价值。

df.replace([np.inf, -np.inf], np.nan, inplace=True)

以您喜欢的方式摆脱空值、特定值（例如 999、均值）或创建您自己的函数来估算缺失值

df.fillna(999, inplace=True)

score 13 · Accepted Answer

13

我的输入数组的维度是倾斜的，因为我的输入 csv 有空格。

于 2015-07-14T21:09:47.490 回答

score 6 · Accepted Answer

使用此版本的 python 3：

/opt/anaconda3/bin/python --version
Python 3.6.0 :: Anaconda 4.3.0 (64-bit)

查看错误的详细信息，我找到了导致失败的代码行：

/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').

由此，我能够提取正确的方法来测试我的数据发生了什么，使用相同的测试失败，错误消息给出：np.isfinite(X)

然后通过一个快速而肮脏的循环，我能够发现我的数据确实包含nans：

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
...

现在我要做的就是删除这些索引处的值。

score 5 · Accepted Answer

这里没有一个答案对我有用。这是行得通的。

Test_y = np.nan_to_num(Test_y)

它用高有限值替换无穷大值，用数字替换 nan 值

score 4 · Accepted Answer

尝试选择行子集后出现错误：

df = df.reindex(index=my_index)

结果发现my_index包含的值不包含在中df.index，因此 reindex 函数插入了一些新行并用nan.

score 4 · Accepted Answer

我有同样的错误，在我的例子中 X 和 y 是数据帧，所以我必须先将它们转换为矩阵：

X = X.values.astype(np.float)
y = y.values.astype(np.float)

编辑：最初建议的 X.as_matrix()已弃用

score 3 · Accepted Answer

删除所有无限值：

（并用该列的 min 或 max 替换）

import numpy as np

# generate example matrix
matrix = np.random.rand(5,5)
matrix[0,:] = np.inf
matrix[2,:] = -np.inf
>>> matrix
array([[       inf,        inf,        inf,        inf,        inf],
       [0.87362809, 0.28321499, 0.7427659 , 0.37570528, 0.35783064],
       [      -inf,       -inf,       -inf,       -inf,       -inf],
       [0.72877665, 0.06580068, 0.95222639, 0.00833664, 0.68779902],
       [0.90272002, 0.37357483, 0.92952479, 0.072105  , 0.20837798]])

# find min and max values for each column, ignoring nan, -inf, and inf
mins = [np.nanmin(matrix[:, i][matrix[:, i] != -np.inf]) for i in range(matrix.shape[1])]
maxs = [np.nanmax(matrix[:, i][matrix[:, i] != np.inf]) for i in range(matrix.shape[1])]

# go through matrix one column at a time and replace  + and -infinity 
# with the max or min for that column
for i in range(matrix.shape[1]):
    matrix[:, i][matrix[:, i] == -np.inf] = mins[i]
    matrix[:, i][matrix[:, i] == np.inf] = maxs[i]

>>> matrix
array([[0.90272002, 0.37357483, 0.95222639, 0.37570528, 0.68779902],
       [0.87362809, 0.28321499, 0.7427659 , 0.37570528, 0.35783064],
       [0.72877665, 0.06580068, 0.7427659 , 0.00833664, 0.20837798],
       [0.72877665, 0.06580068, 0.95222639, 0.00833664, 0.68779902],
       [0.90272002, 0.37357483, 0.92952479, 0.072105  , 0.20837798]])

score 1 · Accepted Answer

我想提出一个适合我的 numpy 解决方案。线

from numpy import inf
inputArray[inputArray == inf] = np.finfo(np.float64).max

用最大 float64 数替换 numpy 数组的所有无限值。

score 1 · Accepted Answer

DecisionTreeClassifier 输入检查中似乎出现问题，请尝试

X_train = X_train.replace((np.inf, -np.inf, np.nan), 0).reset_index(drop=True)

score 1 · Accepted Answer

我得到了同样的错误。df.fillna(-99999, inplace=True)在进行任何更换、替换等之前，它可以使用

score 0 · Accepted Answer

我发现在一个新列上调用 pct_change 之后，nan 存在于其中一行中。我使用以下代码删除了 nan 行

df = df.replace([np.inf, -np.inf], np.nan)
df = df.dropna()
df = df.reset_index()

score 0 · Accepted Answer

注意：此解决方案仅适用于您有意识地希望NaN在数据集中保留条目的情况。

当我使用一些scikit-learn功能（在我的例子中：）时，这个错误发生在我身上GridSearchCV。在后台，我使用了一个xgboost XGBClassifier，它可以优雅地处理NaN数据。但是，GridSearchCV正在使用通过调用函数sklearn.utils.validation来强制输入数据中缺少缺失数据的模块。_assert_all_finite这最终导致了一个错误：

ValueError: Input contains NaN, infinity or a value too large for dtype('float64')

旁注：_assert_all_finite接受一个allow_nan参数，如果设置为True，则不会引起问题。但是，scikit-learn API 不允许我们控制这个参数。

解决方案

我的解决方案是使用patch模块使该功能静音_assert_all_finite，使其不会raise ValueError。这是一个片段

import sklearn
with mock.patch("sklearn.utils.validation._assert_all_finite"):
    # your code that raises ValueError

这将替换为_assert_all_finite一个虚拟模拟函数，因此它不会被执行。

请注意，不建议使用修补程序，并且可能会导致不可预知的行为！

编辑：这个拉取请求应该可以解决问题（尽管截至 2022 年 1 月该修复程序尚未发布）

score 0 · Accepted Answer

dataset = dataset.dropna(axis=0, how='any', thresh=None, subset=None, inplace=False)

这对我有用

score 0 · Accepted Answer

使用isneginf可能会有所帮助。 http://docs.scipy.org/doc/numpy/reference/generated/numpy.isneginf.html#numpy.isneginf

x[numpy.isneginf(x)] = 0 #0 is the value you want to replace with

score 0 · Accepted Answer

就我而言，问题是许多 scikit 函数返回 numpy 数组，这些数组没有 pandas 索引。因此，当我使用这些 numpy 数组构建新的 DataFrame，然后尝试将它们与原始数据混合时，出现了索引不匹配。

score 0 · Accepted Answer

如果您正在运行估算器，则可能是您的学习率太高。我也无意中通过了错误的数组进行了网格搜索，最终以 500 的学习率进行了训练，我可以看到这会导致训练过程出现问题。

基本上，不一定只有您的输入必须全部有效，中间数据也必须有效。

score 0 · Accepted Answer

我有同样的问题，在我的情况下，答案很简单，我的 CSV 中有一个没有值的单元格（“x，y，z，”）。为我设置一个默认值。

score -1 · Accepted Answer

尝试

mat.sum()

如果您的数据总和为无穷大（大于最大浮点值 3.402823e+38），您将收到该错误。

从 scikit 源代码中查看 validation.py 中的 _assert_all_finite 函数：

if is_float and np.isfinite(X.sum()):
    pass
elif is_float:
    msg_err = "Input contains {} or a value too large for {!r}."
    if (allow_nan and np.isinf(X).any() or
            not allow_nan and not np.isfinite(X).all()):
        type_err = 'infinity' if allow_nan else 'NaN, infinity'
        # print(X.sum())
        raise ValueError(msg_err.format(type_err, X.dtype))

python - sklearn error ValueError: Input contains NaN, infinity or a value too large for dtype('float64')

22 回答 22

删除所有无限值：

（并用该列的 min 或 max 替换）

解决方案

Related

Reference