我在使用 Jupyter Notebook 时遇到 ValueError，需要帮助找出出现此错误的原因以及如何修复它

Question

当我运行这个代码时：

from sklearn.tree import DecisionTreeRegressor 
melbourne_model = DecisionTreeRegressor() 
melbourne_model.fit(X, y)

我得到这个输出：

ValueError: Input contains NaN, infinity or a value too large for dtype('float32').

此错误指向显示 melbourne_model.fit(X, y).
的行我希望代码适合 X 和 y 的模型，这样我就可以根据我输入的一些变量（例如建造年份、土地面积、rooms/bedrooms 对墨尔本的房屋进行未来预测，位置等。由于这个错误，现在我不能这样做。

我认为这是因为 X 和 y 不是 NumPy 数组，当我使用 np.asarray() 并将我想要转换的内容放入 NumPy 数组时，它不会工作。我知道这一点是因为当我写 type(X) 或 type(y) 时，我得到 pandas.core.series.Series.

我文件中的全部代码：

import pandas as pd
import numpy as np
melbourne_file_path = 'melb_data.csv\melb_data.csv'
melbourne_data = pd.read_csv(melbourne_file_path)
np.asarray(melbourne_data.Price)
y = melbourne_data.Price
melbourne_predictors = ['Rooms', 'Bathroom', 'Landsize', 'BuildingArea', 
                    'YearBuilt', 'Lattitude', 'Longtitude']
np.asarray(melbourne_data[melbourne_predictors])
X = melbourne_data[melbourne_predictors]
from sklearn.tree import DecisionTreeRegressor
melbourne_model = DecisionTreeRegressor()
melbourne_model.fit(X, y)

我正在使用 Jupyter Notebook 作为 Anaconda 的一部分。

我使用的CSV文件可以下载here。下载文件夹后，您需要解压缩文件，而 csv 文件位于该文件夹内。您可以根据文件所在的位置制作自己的 melbourne_file_path。

Answer 1

您收到的错误非常明显：Input contains NaN, infinity or a value too large。问题不在于您的输入是 pandas 系列，而是您的数据缺少值！例如，在 Kaggle 上快速浏览一下您的 CSV 文件会发现第 15 行和第 16 行缺少很多字段。

如何处理这些缺失值由您决定。一种方法是删除任何缺少 1 个或多个值的行：df.dropna(inplace=True)。这应该使 RandomForestRegressor 无误地适应，但如果删除了太多行，则可能会使您的结果产生偏差。一种可能更好的方法是用列平均值填充缺失值：df.fillna(df.mean()).

我在使用 Jupyter Notebook 时遇到 ValueError，需要帮助找出出现此错误的原因以及如何修复它

I have a ValueError while using Jupyter Notebook and need help to find out why I get this error and how to fix it

python

machine-learning

python-3.x

pandas

data-science