我正在使用sklearn，并且亲和力传播存在问题。我建立了一个输入矩阵，并且不断收到以下错误。

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

我跑了

np.isnan(mat.any()) #and gets False
np.isfinite(mat.all()) #and gets True

我尝试使用

mat[np.isfinite(mat) == True] = 0

删除无限值，但这也不起作用。我该怎么做才能摆脱矩阵中的无限值，以便可以使用亲和力传播算法？

我正在使用anaconda和python 2.7.9。

这可能会在scikit内部发生，并且取决于您在做什么。我建议您阅读所用功能的文档。您可能正在使用一种方法，例如，这取决于您的矩阵是正定的且不满足该条件。

编辑：我怎么会错过：

np.isnan(mat.any()) #and gets False
np.isfinite(mat.all()) #and gets True

显然是错误的。正确的是：

np.any(np.isnan(mat))

和

np.all(np.isfinite(mat))

您想检查任何元素是否为NaN，而不是该any函数的返回值是否为数字...

将sklearn与pandas一起使用时，出现相同的错误消息。我的解决方案是df在运行任何sklearn代码之前重置数据帧的索引：

df = df.reset_index()

当我删除自己的某些条目时，我多次遇到此问题df，例如

df = df[df.label=='desired_one']

这是我的功能（基于此）清洁的数据集nan，Inf和缺少细胞（偏斜数据集）：

import pandas as pd

def clean_dataset(df):
    assert isinstance(df, pd.DataFrame), "df needs to be a pd.DataFrame"
    df.dropna(inplace=True)
    indices_to_keep = ~df.isin([np.nan, np.inf, -np.inf]).any(1)
    return df[indices_to_keep].astype(np.float64)

输入数组的维度倾斜，因为我的输入csv有空白。

这是失败的检查：

• https://github.com/scikit-learn/scikit-learn/blob/0.17.X/sklearn/utils/validation.py#L51

哪说

def _assert_all_finite(X):
    """Like assert_all_finite, but only for ndarray."""
    X = np.asanyarray(X)
    # First try an O(n) time, O(1) space solution for the common case that
    # everything is finite; fall back to O(n) space np.isfinite to prevent
    # false positives from overflow in sum method.
    if (X.dtype.char in np.typecodes['AllFloat'] and not np.isfinite(X.sum())
            and not np.isfinite(X).all()):
        raise ValueError("Input contains NaN, infinity"
                         " or a value too large for %r." % X.dtype)

因此，请确保输入中没有非NaN值。所有这些值实际上都是浮点值。两个值都不应该是Inf。

使用此版本的python 3：

/opt/anaconda3/bin/python --version
Python 3.6.0 :: Anaconda 4.3.0 (64-bit)

查看错误的详细信息，我发现导致失败的代码行：

/opt/anaconda3/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').

由此，我能够使用错误消息给出的相同测试来提取正确的方法来测试数据的处理方式： np.isfinite(X)

然后通过快速而肮脏的循环，我发现我的数据确实包含nans：

print(p[:,0].shape)
index = 0
for i in p[:,0]:
    if not np.isfinite(i):
        print(index, i)
    index +=1

(367340,)
4454 nan
6940 nan
10868 nan
12753 nan
14855 nan
15678 nan
24954 nan
30251 nan
31108 nan
51455 nan
59055 nan
...

现在，我要做的就是删除这些索引中的值。

尝试选择行的子集后出现错误：

df = df.reindex(index=my_index)

原来my_index包含的值不包含在其中df.index，因此reindex函数插入了一些新行并将其填充为nan。

在大多数情况下，消除无穷和空值可以解决此问题。

摆脱无限的价值。

df.replace([np.inf, -np.inf], np.nan, inplace=True)

以您喜欢的方式消除空值，特定值（例如999），均值，或创建自己的函数来估算缺失值

df.fillna(999, inplace=True)

我有同样的错误，在我的案例中，X和y是数据帧，因此我必须先将它们转换为矩阵：

X = X.values.astype(np.float)
y = y.values.astype(np.float)

编辑：不建议使用最初建议的X.as_matrix（）

我有同样的错误。它曾与df.fillna(-99999, inplace=True)做任何替换之前，替换等

就我而言，问题是许多scikit函数返回的numpy数组没有熊猫索引。因此，当我使用这些numpy数组构建新的DataFrames，然后尝试将它们与原始数据混合时，索引不匹配。

删除所有无限值：

（并用该列的min或max代替）

# find min and max values for each column, ignoring nan, -inf, and inf
mins = [np.nanmin(matrix[:, i][matrix[:, i] != -np.inf]) for i in range(matrix.shape[1])]
maxs = [np.nanmax(matrix[:, i][matrix[:, i] != np.inf]) for i in range(matrix.shape[1])]

# go through matrix one column at a time and replace  + and -infinity 
# with the max or min for that column
for i in range(log_train_arr.shape[1]):
    matrix[:, i][matrix[:, i] == -np.inf] = mins[i]
    matrix[:, i][matrix[:, i] == np.inf] = maxs[i]

尝试

mat.sum()

如果您的数据总和为无穷大（最大浮动值大于3.402823e + 38），则会收到该错误。

请参阅scikit源代码中validation.py中的_assert_all_finite函数：

if is_float and np.isfinite(X.sum()):
    pass
elif is_float:
    msg_err = "Input contains {} or a value too large for {!r}."
    if (allow_nan and np.isinf(X).any() or
            not allow_nan and not np.isfinite(X).all()):
        type_err = 'infinity' if allow_nan else 'NaN, infinity'
        # print(X.sum())
        raise ValueError(msg_err.format(type_err, X.dtype))