报错记录：ValueError: Input contains NaN, infinity or a value too large for dtype(‘float32‘)

报错：ValueError: Input contains NaN, infinity or a value too large for dtype(‘float32’)

解决：

from sklearn.preprocessing import Imputer

df = Imputer().fit_transform(df)

这个报错主要由于数据当中有大量的缺失值，sklearn.preprocessing.Imputer是填补缺失值的一个重要的方法，它的详细参数包括：

sklearn.preprocessing.Imputer(missing_values=’NaN’, strategy=’mean’, axis=0, verbose=0, copy=True)

参数说明：

missing_values：缺失值，可以为整数或NaN(缺失值numpy.nan用字符串‘NaN’表示)，默认为NaN

strategy：替换策略，字符串，默认用均值‘mean’替换

①若为mean时，用特征列的均值替换

②若为median时，用特征列的中位数替换

③若为most_frequent时，用特征列的众数替换

axis：指定轴数，默认axis=0代表列，axis=1代表行

copy：设置为True代表不在原数据集上修改，设置为False时，就地修改

上述解决办法中，是将缺失值替补成均值从而解决报错的

若继续报错：ImportError: cannot import name ‘Imputer’ from ‘sklearn.preprocessing’

首先检查自己的电脑是否pip install sklearn，如果已经安装，那么把上面的导包程序修改为

from sklearn.impute import SimpleImputer

若再继续报错：ValueError: setting an array element with a sequence.

矩阵的列没有对齐，一般情况用这个方法就行了：arrayname = np.concatenate(arrayname, axis=0) 。 arrayname是自己定义的矩阵名字