我正在尝试实现一些机器学习算法,但我有一些困难,把数据放在一起。
在下面的示例中,我从UCI加载示例数据集,删除缺少数据的行(感谢上一个问题的帮助),现在我想尝试规范化数据。
对于许多数据集,我只是使用:
valores = (valores - valores.mean()) / (valores.std())
但是对于这个特定的数据集,上面的方法不起作用。问题是mean函数返回inf
,这可能是由于精度问题。请参见下面的示例:
bcw = pd.read_csv('http://archive.ics.uci.edu/ml/machine-learning-databases/breast-cancer-wisconsin/breast-cancer-wisconsin.data', header=None)
for col in bcw.columns:
if bcw[col].dtype != 'int64':
print "Removendo possivel '?' na coluna %s..." % col
bcw = bcw[bcw[col] != '?']
valores = bcw.iloc[:,1:10]
#mean return inf
print valores.iloc[:,5].mean()
我的问题是如何处理这件事。似乎我需要改变这个专栏的类型,但我不知道怎么做。
如果pandas系列的元素是字符串,则得到
inf
和平均结果。在这种特定情况下,您只需将pandas系列元素转换为float
,然后计算平均值。不需要使用numpy。示例:
在计算
pandas.Series
的平均值时,NaN
值应该无关紧要。精确性也无关紧要。我能想到的唯一解释是valores
中的一个值等于无穷大。当计算如下平均值时,可以排除任何无穷大的值:
不太熟悉熊猫,但如果你转换成一个numpy数组,它会工作,尝试
相关问题 更多 >
编程相关推荐