Python 标准化时出现值错误：数组不能包含INF或NAN

我正在尝试使用“

.apply（np.log10）

”对数据进行标准化，但在标准化后，一些行变成了-inf。由于我想绘制标准化后数据的分布，我想知道是否有人可以帮助我完成以下工作： 1-如何使用Pandas删除包含NAN或inf的行？

---

2-解释为什么会发生这种情况。

通常会发生

inf

，因为你除以零。因为您使用的是日志，所以如果日志为零，则会得到

inf

您可以删除包含NAN和INF的所有行，如下所示：

np.random.seed(0)
df = pd.DataFrame(np.random.randn(5, 3), columns=list('ABC'))
df.iat[0, 0] /= 0  # Add an inf
df.iat[-1, -1] = np.nan  # Add a NaN

>>> df
          A         B         C
0       inf  0.400157  0.978738
1  2.240893  1.867558 -0.977278
2  0.950088 -0.151357 -0.103219
3  0.410599  0.144044  1.454274
4  0.761038  0.121675       NaN

>>> df[df.apply(np.isfinite).all(axis=1)]
          A         B         C
1  2.240893  1.867558 -0.977278
2  0.950088 -0.151357 -0.103219
3  0.410599  0.144044  1.454274

---

inf

通常是因为被零除而发生的。因为您使用的是日志，所以如果日志为零，则会得到

inf

您可以删除包含NAN和INF的所有行，如下所示：

np.random.seed(0)
df = pd.DataFrame(np.random.randn(5, 3), columns=list('ABC'))
df.iat[0, 0] /= 0  # Add an inf
df.iat[-1, -1] = np.nan  # Add a NaN

>>> df
          A         B         C
0       inf  0.400157  0.978738
1  2.240893  1.867558 -0.977278
2  0.950088 -0.151357 -0.103219
3  0.410599  0.144044  1.454274
4  0.761038  0.121675       NaN

>>> df[df.apply(np.isfinite).all(axis=1)]
          A         B         C
1  2.240893  1.867558 -0.977278
2  0.950088 -0.151357 -0.103219
3  0.410599  0.144044  1.454274

---

调用

dropna

或

np.log10（df.dropna（））

应该工作调用

dropna

或

np.log10（df.dropna（））

应该工作