-1

好的，所以我正在尝试为机器学习项目清理数据。我正在使用 Z-Score 进行异常值检测。数据库包含不同类型的玻璃（从 1 到 7），我想遍历每种玻璃类型，找到异常值并将它们替换为给定类型玻璃（“Na”列）中所含钠的平均值。奇怪的是该算法适用于玻璃类型 1 和 2，但当涉及类型 3 时，它会给出 ValueError。你们知道似乎是什么问题吗？

z = stats.zscore(DataFrame.Na)
threshold = 1.99

for t in DataFrame.Type.unique():
    z = stats.zscore(DataFrame.Na[DataFrame.Type==t])
    print([DataFrame.Na[DataFrame.Type==t][(np.abs(z) > threshold)]])
    DataFrame.Na[DataFrame.Type==t] = DataFrame.Na[DataFrame.Type==t].replace([DataFrame.Na[DataFrame.Type==t][(np.abs(z) > threshold)]],np.mean(DataFrame.Na[DataFrame.Type==t]))

输出是：

[17    14.36
21    14.77
Name: Na, dtype: float64]
[70     14.86
105    11.45
106    10.73
108    14.43
110    11.23
111    11.02
Name: Na, dtype: float64]
[149    12.16
Name: Na, dtype: float64]

/opt/conda/lib/python3.7/site-packages/ipykernel_launcher.py:9: SettingWithCopyWarning: 
A value is trying to be set on a copy of a slice from a DataFrame

See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy
  if __name__ == '__main__':
/opt/conda/lib/python3.7/site-packages/ipykernel_launcher.py:9: SettingWithCopyWarning: 
A value is trying to be set on a copy of a slice from a DataFrame

See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy
  if __name__ == '__main__':
---------------------------------------------------------------------------
KeyError                                  Traceback (most recent call last)
/opt/conda/lib/python3.7/site-packages/pandas/core/indexes/base.py in get_loc(self, key, method, tolerance)
   2897             try:
-> 2898                 return self._engine.get_loc(casted_key)
   2899             except KeyError as err:

KeyError: 0

你们中的任何人都知道这可能有什么问题吗？如果您需要任何其他信息，我会提供，考虑了大约 2 个小时，我不知道...

4

2 回答 2

0

发生的事情是，您尝试在没有第 0 行的数据框中设置第 0 行的值。尝试分解长行并将结果打印到控制台，您可能会以这种方式找到错误.

于 2021-02-02T22:10:32.760 回答
0

我无法发表评论，所以我会发表我的评论作为答案。

您是在尝试检测“异常值”还是“轮廓线”。不仅仅是在这里学究气，因为它们是不同的统计概念。

于 2021-02-02T21:31:15.440 回答