pandas数据框中返回inf的列的mean（）：如何解决这个问题？

Question

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。

Answer 1

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：

valores.iloc[:,5].astype(float).mean()

Answer 2

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：

import numpy as np

is_inf = valores.iloc[:, 5] == np.inf
valores.ix[~is_inf, 5].mean()

Answer 3

不太熟悉熊猫，但如果你转换成一个numpy数组，它会工作，尝试

np.asarray(valores.iloc[:,5], dtype=np.float).mean()