TypeError：输入类型不支持 ufunc 'isnan'，将 Imputer 用于 NaN 值答案

【问题标题】：TypeError: ufunc 'isnan' not supported for the input types, Using Imputer for NaN valuesTypeError：输入类型不支持 ufunc 'isnan'，将 Imputer 用于 NaN 值
【发布时间】：2020-08-05 21:34:38
【问题描述】：

我是 python 和 pandas 的新手。我正在尝试预处理一个包含数字和分类特征的大数据框，并且在某些列中有 NaN 值。首先我尝试获取特征矩阵，然后使用 Imputer 放置 Nan values 的均值或中值。

这是数据框

    MSSubClass MSZoning  LotFrontage  LotArea Street LotShape LandContour  \
0             60       RL         65.0     8450   Pave      Reg         Lvl   
1             20       RL         80.0     9600   Pave      Reg         Lvl   
2             60       RL         68.0    11250   Pave      IR1         Lvl   
3             70       RL         60.0     9550   Pave      IR1         Lvl   
4             60       RL         84.0    14260   Pave      IR1         Lvl   
5             50       RL         85.0    14115   Pave      IR1         Lvl   
6             20       RL         75.0    10084   Pave      Reg         Lvl   
7             60       RL          NaN    10382   Pave      IR1         Lvl   
8             50       RM         51.0     6120   Pave      Reg         Lvl   
9            190       RL         50.0     7420   Pave      Reg         Lvl   
10            20       RL         70.0    11200   Pave      Reg         Lvl   
11            60       RL         85.0    11924   Pave      IR1         Lvl

代码：只是将 LotFrontage 中的 Nan 值（索引号 = 2）更改为列的平均值

imputer = Imputer(missing_values='Nan',strategy="mean",axis=0)
features = reduced_data.iloc[:,:-1].values
imputer.fit(features[:,2])

当我运行它时，会出现一个错误：

TypeError: ufunc 'isnan' not supported for the input types, and the inputs could not be safely coerced to any supported types according to the casting rule ''safe''

首先：我的方法正确吗？第二：如何处理错误？

谢谢

【问题讨论】：

标签： python nan

【解决方案1】：

试试这是一个工作代码的例子

from sklearn.preprocessing import Imputer
imputer = Imputer(missing_values = np.nan, strategy = 'mean', axis =0)
imputer = imputer.fit(X[:,1:3])
X[:,1:3] = imputer.transform(X[:,1:3])

【讨论】：

【解决方案2】：

注意你用过Nan

的Nan和NaN的区别（注意最后的大写N）

  imputer = Imputer(missing_values='NaN',strategy="mean",axis=0)

将 'Nan' 替换为 'NaN' 不会出现此错误

【讨论】：

【解决方案3】：

我猜由于字符串“Nan”，您的 LotFrontage 列数据存储为对象数据类型。使用此查找。它最有可能给出对象/字符串。

print(reduced_data.LotFrontage.values.dtype)

Imputer 仅适用于浮点数。

第一种方法：

您可以执行以下操作： 1) 将列类型转换为浮点数 2）找出LotFrontage列的平均值 3) 使用pandas dataframe 函数fillna 填充Dataframe 中的NAN。

reduced_data.LotFrontage = pd.to_numeric(reduced_data.LotFrontage, errors='coerce')
m = reduced_data.LotFrontage.mean(skipna=True)
reduced_data.fillna(m)

上面的代码将在存在 NAN 的地方填充 Dataframe。

第二种方法：

reduced_data.LotFrontage = pd.to_numeric(reduced_data.LotFrontage, errors='coerce')
imputer = Imputer()
features = reduced_data.iloc[:,:-1].values
imputer.fit(features[:,2])

【讨论】：

【解决方案4】：

在 missing_value 参数中使用 'NaN' 而不是 'Nan' ：imputer=Imputer(missing_values='NaN' ,strategy='mean',axis=0)

【讨论】：

【解决方案5】：

这应该可以工作

imputer = Imputer(missing_values='NaN', strategy='mean', axis=0)
imputer = imputer.fit(df.iloc[:, 2:3])

【讨论】：

虽然这可能有效，但最好也包含说明。