Come risolvere il problema: l'input contiene nan, infinito o un valore troppo grande per dtype ("float64")

Un errore comune che potresti riscontrare quando usi Python è:

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

Questo errore di solito si verifica quando si tenta di utilizzare una funzione dal modulo scikit-learn, ma il DataFrame o la matrice che si sta utilizzando come input ha valori NaN o valori infiniti.

L’esempio seguente mostra come risolvere questo errore nella pratica.

Come riprodurre l’errore

Supponiamo di avere i seguenti panda DataFrame:

 import pandas as pd
import numpy as np

#createDataFrame
df = pd. DataFrame ({' x1 ': [1, 2, 2, 4, 2, 1, 5, 4, 2, 4, 4],
                   ' x2 ': [1, 3, 3, 5, 2, 2, 1, np.inf, 0, 3, 4],
                   ' y ': [np.nan, 78, 85, 88, 72, 69, 94, 94, 88, 92, 90]})

#view DataFrame
print (df)

    x1 x2 y
0 1 1.0 NaN
1 2 3.0 78.0
2 2 3.0 85.0
3 4 5.0 88.0
4 2 2.0 72.0
5 1 2.0 69.0
6 5 1.0 94.0
7 4 lower 94.0
8 2 0.0 88.0
9 4 3.0 92.0
10 4 4.0 90.0

Supponiamo ora di provare ad adattare un modello di regressione lineare multipla utilizzando le funzioni scikit-learn :

 from sklearn. linear_model import LinearRegression

#initiate linear regression model
model = LinearRegression()

#define predictor and response variables
x, y = df[[' x1 ', ' x2 ']], df. y

#fit regression model
model. fit (x,y)

#print model intercept and coefficients
print (model. intercept_ , model. coef_ )

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

Stiamo ricevendo un errore perché il DataFrame che stiamo utilizzando ha sia valori infiniti che NaN.

Come correggere l’errore

Il modo per risolvere questo errore è rimuovere prima tutte le righe dal DataFrame che contengono valori infiniti o NaN:

 #remove rows with any values that are not finite
df_new = df[np. isfinite (df). all ( 1 )]

#view updated DataFrame
print (df_new)

    x1 x2 y
1 2 3.0 78.0
2 2 3.0 85.0
3 4 5.0 88.0
4 2 2.0 72.0
5 1 2.0 69.0
6 5 1.0 94.0
8 2 0.0 88.0
9 4 3.0 92.0
10 4 4.0 90.0

Le due linee con valori infiniti o NaN sono state rimosse.

Possiamo ora procedere con l’adattamento del nostro modello di regressione lineare:

 from sklearn. linear_model import LinearRegression

#initiate linear regression model
model = LinearRegression()

#define predictor and response variables
x, y = df_new[[' x1 ', ' x2 ']], df_new. y

#fit regression model
model. fit (x,y)

#print model intercept and coefficients
print (model. intercept_ , model. coef_ )

69.85144124168515 [5.72727273 -0.93791574]

Tieni presente che questa volta non riceviamo alcun errore perché prima abbiamo rimosso le righe con valori infiniti o NaN dal DataFrame.

Risorse addizionali

I seguenti tutorial spiegano come correggere altri errori comuni in Python:

Come risolvere il problema in Python: l’oggetto ‘numpy.ndarray’ non è richiamabile
Come risolvere il problema: TypeError: l’oggetto “numpy.float64” non è richiamabile
Come risolvere il problema: Errore di tipo: oggetto stringa o byte previsto