Python SKLearn拟合值错误输入

我试图拟合和转换一些数据，以便稍后在模型中使用到分类器，但它总是给我一个错误，我不明白为什么。 拜托，有人能帮我吗

##stores the function Pipeline with parameters decided above    
inputPipe = getPreProcPipe(normIn=normIn, pca=pca, pcaN=pcaN, whiten=whiten)
print inputPipe
print

#print devData[classTrainFeatures].values.astype('float32')

print devData[classTrainFeatures].shape
print type(devData[classTrainFeatures].values)

##fit pipeline to inputs features and types
inputPipe.fit(devData[classTrainFeatures].values.astype('float32'))

##transform inputs X
X_class = inputPipe.transform(devData[classTrainFeatures].values.astype(double))
## Output Y, i.e, 0 or 1 as it is the target
Y_class = devData['gen_target'].values.astype('int')
#print Y_class

输出：

Pipeline(memory=None,
 steps=[('pca', PCA(copy=True, iterated_power='auto', n_components=None, random_state=None,
svd_solver='auto', tol=0.0, whiten=False)), ('normPCA', StandardScaler(copy=True, with_mean=True, with_std=True))])

(32583, 2)
<type 'numpy.ndarray'>

---

我认为这类错误有三种可能：

您的数据中可能有INF。在这种情况下，您可能需要删除这些样本。要查找INF，请尝试<代码>测向索引[np.isinf（测向）.any（1）]

您的数据中可能有NAN。使用

df.index[np.isnan（df.any（1）]

检查它。在这种情况下，可以用doing

df.fillna（df.mean（））.dropna（axis=1，how='all'）

列的平均值替换NAN

最后，但最有可能的是，你有一个常量或几乎常量的特征，一旦它被标准化并除以标准偏差，就会得到NaN或InF。在这种情况下，您应该使用

---

如果数据包含NaN（不是数字值），则必须检查所使用的数据（不是代码），在numpy中有函数

.isnan（）

（）

还可以使用

.isinf（）

在这个kaggle内核中，有一个示例代码，用于在数据集中填充NAN和INF，然后用于分类器，另请参见

interpolate（）

删除包含NAN和INF的行由

indx = devData[classTrainFeatures].index[devData[classTrainFeatures].apply(np.isnan)]
devData=devData.drop(devData.index[indx]).copy()
devData=devData.reset_index(drop=True)

---

（获取NaN的索引，使用索引删除包含NaN的所有行，重置dataframe的索引）

请以明文形式添加代码和错误，以便于帮助您。另请参阅：您能提供一个包含错误的最小可执行示例吗？我添加了thoseI的输出bellow，我添加了thoseI的输出bellow

indx = devData[classTrainFeatures].index[devData[classTrainFeatures].apply(np.isnan)]
devData=devData.drop(devData.index[indx]).copy()
devData=devData.reset_index(drop=True)