preprocessing.MinMaxScaler和preprocessing.normalize返回null的数据帧

Question

我有一个以浮点数作为数据的数据框，我想对数据进行规范化，因此首先将其转换为int（否则将出现错误ValueError: Input contains NaN, infinity or a value too large for dtype('float64'). ）我的规范化代码：

def normalize_df():
    x = my_df.values.astype(int)
    min_max_scaler = preprocessing.MinMaxScaler()
    x_scaled = min_max_scaler.fit_transform(x)
    df = pd.DataFrame(x_scaled)
    return df

我的输出是

    0   1   2   3   4   5   6   7   8   9   ...     12  13  14  15  16  17  18  19  20  21
0   0   0   0   0   0   0   0   0   0   0   ...     0   0   0   0   0   0   0   0   0   0
1   0   0   0   0   0   0   0   0   0   0   ...     0   0   0   0   0   0   0   0   0   0
2   0   0   0   0   0   0   0   0   0   0   ...     0   0   0   0   0   0   0   0   0   0
3   0   0   0   0   0   0   0   0   0   0   ...     0   0   0   0   0   0   0   0   0   0
4   0   0   0   0   0   0   0   0   0   0   ...     0   0   0   0   0   0   0   0   0   0

发生了什么情况（假设我的初始数据框在某些行中包含值0 ，但小于数据框的30％）？ 如何解决此错误并避免输出为零？

EDITED

我的数据看起来像（有更多的列和行）：

 36680            0        22498037            2266   
 0             2218        22502676               0   
 26141            0        22505885            4533   
 39009            0        22520711            4600   
 36237            0        22527171            5933   

我尝试将值设置为0.0到1.0

Answer 1

这不是错误，它的发生是因为您正尝试将NaN值转换为整数，并查看其工作原理（在我的机器上）：

In [132]: a
Out[132]: array([ nan,   1.,  nan])

In [133]: a.astype(int)
Out[133]: array([-9223372036854775808,                    1, -9223372036854775808])

因此，与数据集中的另一个整数相比，每个NaN都是一个很小的值，这会导致缩放错误。

要解决此问题，您应该使用浮点数。 在缩放之前，您需要通过一些插补来消除NaN ，或者完全删除不完整的样本。 查看sklearn.preprocessing.Imputer 。