我正在尝试使用scikit Learn拟合一个简单的机器学习模型。在这一行：
clf.fit(features, labels)
我遇到一个熟悉的错误：
Input contains NaN, infinity or a value too large for dtype('float64').
无论何时我遇到过NaN值都在我的数据中之前。我已经确认数据中没有NaN。 .fit（）方法的两个输入（功能和标签）是np数组，但它们是从pandas数据帧生成的。就在提取我打印的NaN值之前：
print(features_df[features_df.isnull().any(axis=1)])
print(labels_df[labels_df.isnull().any(axis=1)])
这打印了空的数据框，所以我知道其中没有NaN值的行。转换后，我还检查了numpy数组中的NaN值，甚至使用np sum（）方法成功地对它们进行了求和，因此在传递给fit的要素或标签中没有NaN值。
这意味着必须有无穷大或非常大的值，我很难相信这两者。有什么方法可以在数据框或np数组中打印以下任何值：
are NaN, infinity or a value too large for dtype('float64')?
由于我无法用眼睛找到它们并且没有NaN值，因此需要特别向我指出。
答案 0 :(得分：0)
假设这是numpy数组，形状为(3,3)：
ar = np.array([1, 2, 3, 4, np.nan, 5, np.nan, 6, np.inf]).reshape((3,3))
print (ar)
[[ 1. 2. 3.]
[ 4. nan 5.]
[nan 6. inf]]
要检查NaN，无穷大和负无穷大，我们可以使用：
numpy.isnan(ar)
numpy.isinf(ar)
numpy.isneginf(ar)
分别。每个都返回一个bool数组，并将bool数组传递给numpy.where()会给我们两个索引数组（{{1}的每个维度一个索引数组）：
ar（array（[1，2]，dtype = int64），array（[1，0]，dtype = int64））＃均值，nans 在（1,1）和（2,0）
和
ar_nan = np.where(np.isnan(ar))
print (ar_nan)
（array（[2]，dtype = int64），array（[2]，dtype = int64））＃表示inf在 （2,2）
还要查看float64的限制：
ar_inf = np.where(np.isinf(ar))
print (ar_inf)
finfo（resolution = 1e-15，min = -1.7976931348623157e + 308， max = 1.7976931348623157e + 308，dtype = float64）