Python 对矩阵的修改总是以无穷大的值结束

我完全被难住了。我有一个熊猫数据框，我已经取出了NaN和无限值：

newdf=d f2.fillna（值=0）。替换（[np.inf，-np.inf]，0）

然后我将目标列转入numpy数组：

X=newdf.as_矩阵（列=['emailopens'、'customersupport'、'emailclicks'、'formsubmit'、'pageviews'、'webvisits']）

y=newdf.as_矩阵（列=['purchase']）

但是，当我尝试将这些数组放入sklearn KNN分类器中时，

clf=neighborsvidentifier.kneighborsvidentifier（4，权重='uniform'）
型号=clf.fit（X，y）

我得到：

`---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-195-f3b09646d9f2> in <module>()
      1 clf = neighbors.KNeighborsClassifier(4, weights = 'uniform')
----> 2 model = clf.fit(X, y)

/usr/local/lib/python3.6/site-packages/sklearn/neighbors/base.py in fit(self, X, y)
    759         """
    760         if not isinstance(X, (KDTree, BallTree)):
--> 761             X, y = check_X_y(X, y, "csr", multi_output=True)
    762 
    763         if y.ndim == 1 or y.ndim == 2 and y.shape[1] == 1:

/usr/local/lib/python3.6/site-packages/sklearn/utils/validation.py in check_X_y(X, y, accept_sparse, dtype, order, copy, force_all_finite, ensure_2d, allow_nd, multi_output, ensure_min_samples, ensure_min_features, y_numeric, warn_on_dtype, estimator)
    519     X = check_array(X, accept_sparse, dtype, order, copy, force_all_finite,
    520                     ensure_2d, allow_nd, ensure_min_samples,
--> 521                     ensure_min_features, warn_on_dtype, estimator)
    522     if multi_output:
    523         y = check_array(y, 'csr', force_all_finite=True, ensure_2d=False,

/usr/local/lib/python3.6/site-packages/sklearn/utils/validation.py in check_array(array, accept_sparse, dtype, order, copy, force_all_finite, ensure_2d, allow_nd, ensure_min_samples, ensure_min_features, warn_on_dtype, estimator)
    405                              % (array.ndim, estimator_name))
    406         if force_all_finite:
--> 407             _assert_all_finite(array)
    408 
    409     shape_repr = _shape_repr(array.shape)

/usr/local/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').`

`---------------------------------------------------------------------------
ValueError回溯（最近一次调用上次）
在（）
1 clf=邻居。KNeighborsClassifier（4，权重='统一'）
---->2模型=clf.配合（X，y）
/usr/local/lib/python3.6/site-packages/sklearn/neights/base.py-in-fit（self，X，y）
759         """
760如果不存在（X，（KDTree，BallTree））：
-->761 X，y=检查X_y（X，y，“csr”，多输出=真）
762
763如果y.ndim==1或y.ndim==2且y.shape[1]==1：
/usr/local/lib/python3.6/site-packages/sklearn/utils/validation.py in check___y（X，y，accept_sparse，dtype，order，copy，force_all_finite，sure_2d，allow_nd，multi_output，sure_min_samples，sure_min_特征，y_numeric，warn_on_dtype，assister）
519 X=检查数组（X，接受稀疏，数据类型，顺序，复制，强制所有有限，
520确保2d，允许nd，确保最小样本，
-->521确保\u最小\u功能、警告\u数据类型、估计器）
522如果多输出：
523 y=检查数组（y，'csr'，强制所有有限=真，确保2d=假，
/检查数组中的usr/local/lib/python3.6/site-packages/sklearn/utils/validation.py（数组、接受稀疏、数据类型、顺序、复制、强制所有有限、确保2d、允许nd、确保最小样本、确保最小特征、警告数据类型、估计器）
405%（array.ndim，估计器名称））
406如果力是有限的：
-->407断言所有有限（数组）
408
409 shape_repr=_shape_repr（array.shape）
/usr/local/lib/python3.6/site-packages/sklearn/utils/validation.py in_assert_all_finite（X）
56而不是np.isfinite（X.all（））：
57提升值错误（“输入包含NaN，无穷大”
--->58“或对于%r.%X.dtype而言太大的值）
59
60
ValueError:输入包含NaN、无穷大或对数据类型（'float64'）太大的值`

查找出现无限值的值：

np.where(~np.isfinite(X)) (array([ 0, 0, 1, ..., 4918675, 4918676, 4918676]), array([3, 5, 3, ..., 5, 3, 5]))

例如，这告诉您第0行第3列中有一个错误的值。这将是

newdf.ix[0，'formsubmit']

。该值是什么，它的类型是什么？一旦您知道了，您应该能够找出需要做什么来替换它

学分：

---

马克·迪金森（Mark Dickinson）

什么是无限值？

np.isfinite

对于有限值而不是无限值是

True

。eff…你是对的！但是我仍然得到

值错误：输入包含NaN、无穷大或对于数据类型（'float64'）太大的值：他们创建了一个新的数据框。看起来除了打印数据框之外，您没有对该数据框做任何操作。我只是将它们分配给了一个变量。仍然获得
值错误
请更新问题以准确显示您使用的步骤顺序（最好不要作为屏幕截图）。