<\/p>\n
Ein h\u00e4ufiger Fehler, der bei der Verwendung von Python auftreten kann, ist:<\/span><\/p>\n Dieser Fehler tritt normalerweise auf, wenn Sie versuchen, eine Funktion aus dem scikit-learn-Modul zu verwenden, der DataFrame oder die Matrix, die Sie als Eingabe verwenden, jedoch NaN-Werte oder unendliche Werte aufweist.<\/span><\/p>\n Das folgende Beispiel zeigt, wie dieser Fehler in der Praxis behoben werden kann.<\/span><\/p>\n Angenommen, wir haben den folgenden Pandas-DataFrame:<\/span><\/p>\n Nehmen wir nun an, wir versuchen, mithilfe von Scikit-Learn<\/a> -Funktionen ein multiples lineares Regressionsmodell<\/a> anzupassen:<\/span><\/p>\n Wir erhalten eine Fehlermeldung, weil der von uns verwendete DataFrame sowohl unendliche als auch NaN-Werte hat.<\/span><\/p>\n Um diesen Fehler zu beheben, entfernen Sie zun\u00e4chst alle Zeilen aus dem DataFrame, die unendliche oder NaN-Werte enthalten:<\/span><\/p>\n Die beiden Zeilen mit unendlichen oder NaN-Werten wurden entfernt.<\/span><\/p>\n Wir k\u00f6nnen nun mit der Anpassung unseres linearen Regressionsmodells fortfahren:<\/span><\/p>\n Beachten Sie, dass wir dieses Mal keine Fehler erhalten, da wir zuerst die Zeilen mit unendlichen oder NaN-Werten aus dem DataFrame entfernt haben.<\/span><\/p>\n Die folgenden Tutorials erkl\u00e4ren, wie Sie andere h\u00e4ufige Fehler in Python beheben:<\/span><\/p>\n So beheben Sie das Problem in Python: Das Objekt \u201enumpy.ndarray\u201c kann nicht aufgerufen werden<\/a> Ein h\u00e4ufiger Fehler, der bei der Verwendung von Python auftreten kann, ist: ValueError: Input contains infinity or a value too large for dtype(‚float64‘). Dieser Fehler tritt normalerweise auf, wenn Sie versuchen, eine Funktion aus dem scikit-learn-Modul zu verwenden, der DataFrame oder die Matrix, die Sie als Eingabe verwenden, jedoch NaN-Werte oder unendliche Werte aufweist. Das […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n ValueError: Input contains infinity or a value too large for dtype('float64').\n<\/strong><\/span><\/pre>\n So reproduzieren Sie den Fehler<\/strong><\/span><\/h2>\n
import<\/span> pandas as<\/span> pd\nimport<\/span> numpy as<\/span> np\n\n#createDataFrame\n<\/span>df = pd. DataFrame<\/span> ({' x1<\/span> ': [1, 2, 2, 4, 2, 1, 5, 4, 2, 4, 4],\n ' x2<\/span> ': [1, 3, 3, 5, 2, 2, 1, np.inf, 0, 3, 4],\n ' y<\/span> ': [np.nan, 78, 85, 88, 72, 69, 94, 94, 88, 92, 90]})\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n x1 x2 y\n0 1 1.0 NaN\n1 2 3.0 78.0\n2 2 3.0 85.0\n3 4 5.0 88.0\n4 2 2.0 72.0\n5 1 2.0 69.0\n6 5 1.0 94.0\n7 4 lower 94.0\n8 2 0.0 88.0\n9 4 3.0 92.0\n10 4 4.0 90.0<\/span><\/span><\/strong><\/pre>\n from<\/span> sklearn. linear_model<\/span> import<\/span> LinearRegression\n\n#initiate linear regression model\n<\/span>model = LinearRegression()\n\n#define predictor and response variables\n<\/span>x, y = df[[' x1<\/span> ', ' x2<\/span> ']], df. y<\/span>\n\n#fit regression model\n<\/span>model. fit<\/span> (x,y)\n\n#print model intercept and coefficients\n<\/span>print<\/span> (model. intercept_<\/span> , model. coef_<\/span> )\n\n<\/span>ValueError: Input contains infinity or a value too large for dtype('float64').<\/span>\n<\/span><\/strong><\/pre>\n So beheben Sie den Fehler<\/strong><\/span><\/h2>\n
#remove rows with any values that are not finite\n<\/span>df_new = df[np. isfinite<\/span> (df). all<\/span> ( 1<\/span> )]\n\n#view updated DataFrame\n<\/span>print<\/span> (df_new)\n\n x1 x2 y\n1 2 3.0 78.0\n2 2 3.0 85.0\n3 4 5.0 88.0\n4 2 2.0 72.0\n5 1 2.0 69.0\n6 5 1.0 94.0\n8 2 0.0 88.0\n9 4 3.0 92.0\n10 4 4.0 90.0\n<\/span><\/span><\/strong><\/pre>\n from<\/span> sklearn. linear_model<\/span> import<\/span> LinearRegression\n\n#initiate linear regression model\n<\/span>model = LinearRegression()\n\n#define predictor and response variables\n<\/span>x, y = df_new[[' x1<\/span> ', ' x2<\/span> ']], df_new. y<\/span>\n\n#fit regression model\n<\/span>model. fit<\/span> (x,y)\n\n#print model intercept and coefficients\n<\/span>print<\/span> (model. intercept_<\/span> , model. coef_<\/span> )\n\n69.85144124168515 [5.72727273 -0.93791574]\n<\/span><\/span><\/strong><\/pre>\n Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h2>\n
So beheben Sie: TypeError: Das Objekt \u201enumpy.float64\u201c kann nicht aufgerufen werden<\/a>
So beheben Sie: Typfehler: Erwarteter String oder Bytes-Objekt<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"