两次删除 NA 值后出错，第一次是使用 pandas 库，第二次是 R

Question

首先，我使用以下 Python 代码删除了 NA 值：

import pandas as pd

a = pd.read_csv("true.csv",low_memory=False)
#print a
b = pd.read_csv("false.csv",low_memory=False)


merged = a.append(b, ignore_index=False)
merged=merged.dropna(axis=1)
merged.to_csv("out.csv", index=False)

之后我使用 Rattle 发现有 2 列是分类的，我只想要数字数据。所以我使用以下代码删除了这些列：

cat("\nSTART\n")
startTime = proc.time()[3]
startTime

#--------------------------------------------------------------
# Step 1: Include Library
#--------------------------------------------------------------
cat("\nStep 1: Library Inclusion")
library(randomForest)
library(FSelector)

#--------------------------------------------------------------
# Step 2: Variable Declaration
#--------------------------------------------------------------
cat("\nStep 2: Variable Declaration")
modelName <- "randomForest"
modelName

InputDataFileName="out.csv"
InputDataFileName

training = 70      # Defining Training Percentage; Testing = 100 - Training

#--------------------------------------------------------------
# Step 3: Data Loading
#--------------------------------------------------------------
cat("\nStep 3: Data Loading")
dataset <- read.csv(InputDataFileName)      # Read the datafile
dataset <- dataset[sample(nrow(dataset)),]  # Shuffle the data row wise.

#result <- cfs(Features ~ ., dataset)

head(dataset)   # Show Top 6 records
nrow(dataset)   # Show number of records
names(dataset)  # Show fields names or columns names

#--------------------------------------------------------------
# Step 4: Count total number of observations/rows.
#--------------------------------------------------------------
cat("\nStep 4: Counting dataset")
totalDataset <- nrow(dataset)
totalDataset

nums <- sapply(dataset, is.numeric)
dataset<-dataset[ ,nums]

#--------------------------------------------------------------
# Step 5: Choose Target variable
#--------------------------------------------------------------
cat("\nStep 5: Choose Target Variable")
target  <- names(dataset)[1]   # i.e. RMSD
target

#data(dataset)

result <- cfs(Activity ~ ., dataset)

在上面的代码中，我在最后一行使用 FSelector 进行特征选择。

执行最后一行后出现以下错误：

Error in if (sd(vec1) == 0 || sd(vec2) == 0) return(0) :
missing value where TRUE/FALSE needed

out.csv https://drive.google.com/open?id=0B3UWvP6zFBQnN3JiamloOWl3T28

Answer 1

最后一行之前

(result <- cfs(Activity ~ ., dataset)) 

使用

dataset$Activity = factor(dataset$Activity)

执行起来需要一些时间，因为我们有一个非常大的数据集。