Python logistic.fit（）逻辑回归中的erorr

我正在尝试使用

logistic.fit（）

我得到下面的eror。如何修复错误

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

以下是我代码的一部分： （楼层和姓氏是字符串）

---

所以你有几个选择

选项1：

df_clean = df.dropna()

df["Column_Name"].fillna(df["Column_Name"].mean(), inplace=True)

df = df[pd.notnull(df['Column_Name'])]

df.fillna(0)

这将删除所有NA值。如果您的观察结果很少，则不推荐使用

选项2：

df_clean = df.dropna()

df["Column_Name"].fillna(df["Column_Name"].mean(), inplace=True)

df = df[pd.notnull(df['Column_Name'])]

df.fillna(0)

这将用平均值替换所有缺失的值，或者您也可以执行

中值。显然，这只适用于数值列

选项3：

df_clean = df.dropna()

df["Column_Name"].fillna(df["Column_Name"].mean(), inplace=True)

df = df[pd.notnull(df['Column_Name'])]

df.fillna(0)

在这里，您可以指定要从中删除NaN值的列。如果您的某些列是分类列，而其他列是数字列，那么这将与选项2一起使用

选项4：

df_clean = df.dropna()

df["Column_Name"].fillna(df["Column_Name"].mean(), inplace=True)

df = df[pd.notnull(df['Column_Name'])]

df.fillna(0)

用0填充所有NaN值。你可以这样做，而不是选择2，你的电话。无论如何，这应该足以让你开始思考如何解决你的问题。因为您熟悉这些数据，所以应该最了解如何处理这些数据。如果您对此有任何具体问题，我将非常乐意提供帮助
 很明显，你的x或y都有问题。如果这样做
df.isnull（）.sum（axis=1）
并且任何一行返回的数字都大于0，那么很明显，您的数据缺少值。你们如何处理它们取决于其他的事情。我做到了，几乎所有的线都超过0，那个么如何修复呢？如果我上传我的全部actaul代码能帮上忙吗？