<\/p>\n
Een veel voorkomende fout die u kunt tegenkomen bij het gebruik van Python is:<\/span><\/p>\n Deze fout treedt meestal op wanneer u een functie uit de scikit-learn-module probeert te gebruiken, maar het DataFrame of de matrix die u als invoer gebruikt NaN-waarden of oneindige waarden heeft.<\/span><\/p>\n Het volgende voorbeeld laat zien hoe u deze fout in de praktijk kunt oplossen.<\/span><\/p>\n Stel dat we de volgende panda’s DataFrame hebben:<\/span><\/p>\n Stel nu dat we proberen een meervoudig lineair regressiemodel<\/a> in te passen met behulp van scikit-learn<\/a> -functies:<\/span><\/p>\n We ontvangen een foutmelding omdat het DataFrame dat we gebruiken zowel oneindige als NaN-waarden heeft.<\/span><\/p>\n De manier om deze fout op te lossen is door eerst alle rijen uit het DataFrame te verwijderen die oneindige of NaN-waarden bevatten:<\/span><\/p>\n De twee regels met oneindige of NaN-waarden zijn verwijderd.<\/span><\/p>\n We kunnen nu doorgaan met het aanpassen van ons lineaire regressiemodel:<\/span><\/p>\n Merk op dat we deze keer geen fouten ontvangen omdat we eerst de rijen met oneindige of NaN-waarden uit het DataFrame hebben verwijderd.<\/span><\/p>\n In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende fouten in Python kunt oplossen:<\/span><\/p>\n Oplossing in Python: Object ’numpy.ndarray‘ kan niet worden opgevraagd<\/a> Een veel voorkomende fout die u kunt tegenkomen bij het gebruik van Python is: ValueError: Input contains infinity or a value too large for dtype(‚float64‘). Deze fout treedt meestal op wanneer u een functie uit de scikit-learn-module probeert te gebruiken, maar het DataFrame of de matrix die u als invoer gebruikt NaN-waarden of oneindige waarden […]<\/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":[],"class_list":["post-3559","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n ValueError: Input contains infinity or a value too large for dtype('float64').\n<\/strong><\/span><\/pre>\n Hoe de fout te reproduceren<\/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 Hoe u de fout kunt oplossen<\/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 Aanvullende bronnen<\/strong><\/span><\/h2>\n
Oplossing: TypeError: Object ’numpy.float64′ kan niet worden opgevraagd<\/a>
Oplossing: Typefout: verwacht tekenreeks- of bytesobject<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"