StandardScaler -ValueError：输入包含 NaN、无穷大或对于 dtype('float64') 来说太大的值

我有以下代码

X = df_X.as_matrix(header[1:col_num])
scaler = preprocessing.StandardScaler().fit(X)
X_nor = scaler.transform(X) 

并得到以下错误：

  File "/Users/edamame/Library/python_virenv/lib/python2.7/site-packages/sklearn/utils/validation.py", line 54, in _assert_all_finite
    " or a value too large for %r." % X.dtype)
ValueError: Input contains NaN, infinity or a value too large for dtype('float64').

I used:

print(np.isinf(X))
print(np.isnan(X))

这给了我下面的输出。这无法真正告诉我哪个元素有问题，因为我有数百万行。

[[False False False ..., False False False]
 [False False False ..., False False False]
 [False False False ..., False False False]
 ..., 
 [False False False ..., False False False]
 [False False False ..., False False False]
 [False False False ..., False False False]]

有没有办法确定矩阵 X 中的哪个值实际上导致了问题？人们一般如何避免它？

numpy https://docs.scipy.org/doc/numpy-1.10.1/reference/routines.logic.html包含针对此类事物的各种逻辑元素测试。

在您的特定情况下，您将需要使用isinf https://docs.scipy.org/doc/numpy-1.10.1/reference/generated/numpy.isinf.html and isnan https://docs.scipy.org/doc/numpy-1.10.1/reference/generated/numpy.isnan.html#numpy.isnan.

回应您的编辑：

您可以将 np.isinf() 或 np.isnan() 的结果传递给 np.where()，这将返回条件为 true 的索引。这是一个简单的例子：

import numpy as np

test = np.array([0.1, 0.3, float("Inf"), 0.2])

bad_indices = np.where(np.isinf(test))

print(bad_indices)

然后，您可以使用这些索引来替换数组的内容：

test[bad_indices] = -1