ValueError:压缩距离矩阵必须只包含有限的值.在python中

Question

我为分层集群编写了以下代码，但我得到了以下错误，你能帮我吗？

# Importing the libraries
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
# Importing the Mall dataset with pandas
dataset = 
pd.read_csv("https://raw.githubusercontent.com/akbarhusnoo/Chronic-Kidney-Disease-Prediction/main/chronic_kidney_disease.csv", na_values=["?"])

catCols = dataset.select_dtypes("object").columns
catCols = list(set(catCols))
for i in catCols:
dataset.replace({i: {'?': np.nan}}, regex=False,inplace=True)
dataset.dropna(how='all')
X = dataset.iloc[:, [3,4]].values
# Using the dendrogram to find the optimal number of clusters
import scipy.cluster.hierarchy as sch
dendrogram = sch.dendrogram(sch.linkage(X, method='ward' ))
plt.title('Dendrogram')
plt.xlabel('C')
plt.ylabel('Euclidean distances')
plt.show()
# Fitting the hierarchical clustering to the mall dataset
from sklearn.cluster import AgglomerativeClustering
hc = AgglomerativeClustering(n_clusters=5, affinity = 'euclidean', linkage = 'ward')
Y_hc = hc.fit_predict(X)
# Visualising the clusters

数据集：https://raw.githubusercontent.com/akbarhusnoo/Chronic-Kidney-Disease-Prediction/main/chronic_kidney_disease.csv

**ValueError                                Traceback (most recent call last)
<ipython-input-30-2c6a60c0a6d0> in <module>
12 
13 import scipy.cluster.hierarchy as sch
---> 14 dendrogram = sch.dendrogram(sch.linkage(X, method='ward' ))
15 plt.title('Dendrogram')
16 plt.xlabel('C')
~anaconda3libsite-packagesscipyclusterhierarchy.py in linkage(y, method, metric, optimal_ordering)
1063 
1064     if not np.all(np.isfinite(y)):
-> 1065         raise ValueError("The condensed distance matrix must contain only "
1066                          "finite values.")
1067 
ValueError: The condensed distance matrix must contain only finite values.*

Answer 1

输入数据集中存在问号，这会导致数据集值被读取/解释为字符串而不是整数。

您应该在读取CSV后将问号转换为NaN，或者直接从输入CSV文件中删除问号(在CSV中留下一个空单元格将被解释为NaN(，因此用,,替换所有,?,可能非常有效。

---

完成后，可以使用NaN删除行。注意

• 有些行只有一列带有NaN。使用dropna(how='any')，而不是dropna(how='all')，以确保这些行也被删除
• 默认情况下，dropna()不起作用(当前版本中Pandas中的大多数操作都是默认的(。将结果分配给数据集，或使用inplace=True参数

因此，使用

dataset = dataset.dropna('any')

删除具有NaN的行时。

Answer 2

尝试使用不同的链接方法，而不是"ward"(例如"single"、"complete"、"average"或"weighted"(

---> 14 dendrogram = sch.dendrogram(sch.linkage(X, method='ward'))

Ward计算可能导致infs或nans。。。