在进行数据规范化时，我总是得到ValueError:无法将浮点NaN转换为整数

Question

我正试图通过使用以下代码进行小数缩放来规范我的CSV数据

def decimal_scaling(data):
data = np.array(data, dtype=np.float32)
max_row = data.max(axis=0)
c = np.array([len(str(int(number))) for number in np.abs(max_row)])
return data/(10**c)
X = decimal_scaling(
glcm_df[['dissimilarity_0', 'dissimilarity_45', 'dissimilarity_90', 'dissimilarity_135', 
'correlation_0', 'correlation_45', 'correlation_90', 'correlation_135', 
'homogeneity_0', 'homogeneity_45', 'homogeneity_90', 'homogeneity_135', 
'contrast_0', 'contrast_45', 'contrast_90', 'contrast_135', 
'ASM_0', 'ASM_45', 'ASM_90', 'ASM_135',
'energy_0', 'energy_45', 'energy_90', 'energy_135']].values)

但是，每次我运行它时，我总是会收到这样的错误：

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-21-5b1233475b8c> in <module>
22                      'contrast_0', 'contrast_45', 'contrast_90', 'contrast_135',
23                      'ASM_0', 'ASM_45', 'ASM_90', 'ASM_135',
---> 24                      'energy_0', 'energy_45', 'energy_90', 'energy_135']].values)
<ipython-input-21-5b1233475b8c> in decimal_scaling(data)
13     data = np.array(data, dtype=np.float32)
14     max_row = data.max(axis=0)
---> 15     c = np.array([len(str(int(number))) for number in np.abs(max_row)])
16     return data/(10**c)
17 
<ipython-input-21-5b1233475b8c> in <listcomp>(.0)
13     data = np.array(data, dtype=np.float32)
14     max_row = data.max(axis=0)
---> 15     c = np.array([len(str(int(number))) for number in np.abs(max_row)])
16     return data/(10**c)
17 
ValueError: cannot convert float NaN to integer

我不确定出了什么问题。

Answer 1

Numpyfloats允许NaN值，但int不允许。因此，NaN在浮点计算中传播，直到达到int转换。

也就是说，您正在读取data，它会产生一些NaN值，然后max会为这些行返回NaN，abs也会返回NaN。然后int()会抱怨。

尝试：

data = np.array(data, dtype=np.float32) # from your code
print(np.argwhere(np.isnan(data)))

以查找您的NaN值所在的位置。