我正在从csv读取数据以执行功能消除。这是数据的样子
shift_id user_id status organization_id location_id department_id open_positions city zip role_id specialty_id latitude longitude years_of_experience
0 2 9 S 1 1 19 1 brooklyn 48001.0 2.0 9.0 42.643 -82.583 NaN
1 6 60 S 12 19 20 1 test 68410.0 3.0 7.0 40.608 -95.856 NaN
2 9 61 S 12 19 20 1 new york 48001.0 1.0 7.0 42.643 -82.583 NaN
3 10 60 S 12 19 20 1 test 68410.0 3.0 7.0 40.608 -95.856 NaN
4 21 3 S 1 1 19 1 pune 48001.0 1.0 2.0 46.753 -89.584 0.0
这是我的代码-
dataset = pd.read_csv("data.csv",header = 0)
data = pd.read_csv("data.csv",header = 1)
target = dataset.location_id
#dataset.head()
svm = LinearSVC()
rfe = RFE(svm, 3)
rfe = rfe.fit(data, target)
print(rfe.support_)
print(rfe.ranking_)
但是我收到此错误
ValueError: could not convert string to float: '1,141'
我的数据库中没有这样的字符串。
有一些空单元格。所以我尝试使用-
result.fillna(0, inplace=True)
哪个给了这个错误
ValueError: Expected 2D array, got scalar array instead:
array=None.
Reshape your data either using array.reshape(-1, 1) if your data has a single feature or array.reshape(1, -1) if it contains a single sample.
有没有建议如何正确处理这些数据？
这里是示例数据的链接-https://gist.github.com/karimkhanp/6db4f9f9741a16e46fc294b8e2703dc7
答案 0 :(得分：1)
您的问题包含result.fillna(0, inplace=True)。
但是，由于result从未出现过，因此不清楚它的值是多少（可能是标量）。
代码中另一个奇怪的细节。看：
dataset = pd.read_csv("prod_data_for_ML.csv",header = 0)
data = pd.read_csv("prod_data_for_ML.csv",header = 1)
请注意，您从同一文件中读取了两次，但是：
header = 0阅读，因此，作为文档
状态，列名从第一行推断，header = 1阅读。这是您的意图吗？还是两个通话header都应该相同？
再说一遍：（在我看来）从同一文件读取2次 不必要。也许您的代码应该像这样：
data = pd.read_csv("prod_data_for_ML.csv",header = 0)
target = data.location_id
我想从您的评论中脱颖而出，您想要：
dataset-带有第一列（shift_id），data-没有此列。然后您的代码应包含：
dataset = pd.read_csv("data.csv",header = 0) # Read the whole source file, reading column names from the starting row
data = dataset.drop(columns='shift_id') # Copy dropping "shift_id" column
...
请注意，header=1不会“跳过”任何列，而仅说明从哪个源行读取列名。
在这种情况下：
header=1），
实际上包含第一行数据。如果您要“跳过”某些源列，请用read_csv调用usecols
参数，但它指定要读取的列（不要跳过）。
因此，假设您的源文件有14列（从0到13编号），
而您只想省略第一个数字（0），可以这样写
usecols=[*range(1, 14)]（请注意，上限（14）为不是
包括在范围内。）
关于数据样本的另一点评论：
第一列是索引，没有任何名称。
shift_id是下一个列，因此，为避免混淆，您应该
在第一行添加一些缩进。
请注意，City列位于标题中的第 8 列，但位于数据行中
（布鲁克林，测试）在位置 9 。
因此，“标题”行（列名称）应缩进。
看看您对这个问题的评论，写于2019-02-14 12：40：19Z。 它包含这样的行：
"1,141","1,139",A,14,24,77,1,OWINGS MILLS,"21117"
它显示前2列（shift_id和user_id）包含
浮点数的字符串表示形式，但带有逗号而不是点。
您可以使用自己的转换器功能来解决此问题，例如：
def cnvToFloat(x):
return float(x.replace(',', '.'))
并调用read_csv，并在convertes参数中传递此函数，以获取
这样的“必填”（格式错误）列，例如：
dataset = pd.read_csv("data.csv", header = 0,
converters={'shift_id': cnvToFloat, 'user_id': cnvToFloat})
答案 1 :(得分：0)
1,141是无效的浮点数。
要将其转换为浮点型，应首先将其转换为有效类型，将,替换为.，然后将其强制转换为float。
bad_float = '1,141'
print(float(bad_float.replace(",",".")))
输出：
1.141
编辑：
如@ShadowRanger所指出的那样，除非实际上以逗号为分隔数字分组的逗号（以使其更易于阅读）：
comm_sep = '1,141'
res = comm_sep.split(",")
print(float(res[0]), float(res[1]))
输出：
1.0 141.0
编辑2：
OP通过将csv文件编辑器中的column type更改为number的问题得到了OP的解决。
答案 2 :(得分：0)
您的ValueError: could not convert string to float: '1,141'的解决方案是在thousands中使用pd.read_csv()参数：
dataset = pd.read_csv("data.csv",header = 0, thousands= r",")
dataset.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 3 entries, 0 to 2
Data columns (total 14 columns):
shift_id 3 non-null int64
user_id 3 non-null int64
status 3 non-null object
organization_id 3 non-null int64
location_id 3 non-null int64
department_id 3 non-null int64
open_positions 3 non-null int64
city 3 non-null object
zip 3 non-null int64
role_id 3 non-null int64
specialty_id 2 non-null float64
latitude 3 non-null float64
longitude 3 non-null float64
years_of_experience 3 non-null object
dtypes: float64(3), int64(8), object(3)
memory usage: 416.0+ bytes