2017-12-27 886 views
0

我是Python編程的新手。當我嘗試爲主要組件分析標準化數據時,出現以下錯誤消息。ValueError:無效文字爲float():2017-03-18 19:22:51-07:00

Python版本:2.7.4。

df = pd.read_csv('E:/Downloads/Datasets/PCA_data.csv') 
df.head() 



    number_people      date timestamp day_of_week \ 
0    37 2015-08-14 17:00:11-07:00  61211   4 
1    45 2015-08-14 17:20:14-07:00  62414   4 
2    40 2015-08-14 17:30:15-07:00  63015   4 
3    44 2015-08-14 17:40:16-07:00  63616   4 
4    45 2015-08-14 17:50:17-07:00  64217   4 

    is_weekend is_holiday temperature is_start_of_semester \ 
0   0   0  71.76      0 
1   0   0  71.76      0 
2   0   0  71.76      0 
3   0   0  71.76      0 
4   0   0  71.76      0 

    is_during_semester month hour 
0     0  8 17 
1     0  8 17 
2     0  8 17 
3     0  8 17 
4     0  8 17 

x = df.iloc[:,1:8] # all rows, all the features and no labels 
y = df.iloc[:, 0] # all rows, label only 

# Scale the data to be between -1 and 1 
from sklearn.preprocessing import StandardScaler 
scaler = StandardScaler() 
X = scaler.fit_transform(x) 
X 

X = scaler.fit_transform(x) 
Traceback (most recent call last): 

    File "<ipython-input-28-ce4e52c57a0a>", line 1, in <module> 
    X = scaler.fit_transform(x) 

    File "C:\Users\owner\Anaconda2\lib\site-packages\sklearn\base.py", line 494, in fit_transform 
    return self.fit(X, **fit_params).transform(X) 

    File "C:\Users\owner\Anaconda2\lib\site-packages\sklearn\preprocessing\data.py", line 560, in fit 
    return self.partial_fit(X, y) 

    File "C:\Users\owner\Anaconda2\lib\site-packages\sklearn\preprocessing\data.py", line 583, in partial_fit 
    estimator=self, dtype=FLOAT_DTYPES) 

    File "C:\Users\owner\Anaconda2\lib\site-packages\sklearn\utils\validation.py", line 382, in check_array 
    array = np.array(array, dtype=dtype, order=order, copy=copy) 

ValueError: invalid literal for float(): 2017-03-18 19:22:51-07:00 

請有人看看它..很多預先感謝。

+6

你有一個日期列在那裏。你想用它做什麼? –

+0

謝謝..我要刪除'日期'和'時間戳'專欄.. –

回答

0

date列是一個字符串,沒有數值,因此您不應該對其進行縮放。此外,您也不應該考慮timestamp列,因爲它是一個不斷增加的值,您不會從PCA獲得任何有意義的信息。

因此我建議你做:

x = df.iloc[:,3:8] # all rows, except label, date and timestamp 
0

StandardScaler只能FIT /由調用check_arrayStandardScaler.partial_fitdtype=FLOAT_DTYPES注意變換浮點類型。

如果您打算將其包含在分析中,則需要排除日期列或將其轉換爲浮點格式(unix timestamp)。儘管我會建議不要將時間作爲一項功能。

NB您也有timestamp列,雖然能夠通過StandardScaler轉換也應該從您的數據中排除。

相關問題