【问题标题】:Isolation Forest Length of values does not match length of index隔离林值的长度与索引的长度不匹配
【发布时间】:2020-05-29 15:30:07
【问题描述】:

我正在运行隔离林,试图将其应用于 10049972 行 x 19 列的数据库,但运行 2 小时后出现以下错误。我真的不明白为什么会得到它,也不知道如何解决?

代码:

 import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

%matplotlib inline

from sklearn.ensemble import IsolationForest


df = pd.read_csv('D:\\Project\\database\\4-Final\\Final After.csv',low_memory=True)


iForest = IsolationForest(behaviour='new', n_estimators=80,  contamination='auto' , max_samples=150)


df['anomaly'] = iForest.fit_predict(df.values.reshape(-1,1))


df=df.drop(df['anomaly'==-1],inplace=True)

df.to_csv('D:\\Project\\database\\4-Final\\IF TEST.csv', index=False)

错误是:


 ValueError                                Traceback (most recent call last)
<ipython-input-1-fc55c8b1f328> in <module>
     16 
     17 
---> 18 df['anomaly'] = iForest.fit_predict(df.values.reshape(-1,1))
     19 
     20 

C:\ProgramData\Anaconda3\lib\site-packages\pandas\core\frame.py in __setitem__(self, key, value)
   3368         else:
   3369             # set column
-> 3370             self._set_item(key, value)
   3371 
   3372     def _setitem_slice(self, key, value):

C:\ProgramData\Anaconda3\lib\site-packages\pandas\core\frame.py in _set_item(self, key, value)
   3443 
   3444         self._ensure_valid_index(value)
-> 3445         value = self._sanitize_column(key, value)
   3446         NDFrame._set_item(self, key, value)
   3447 

C:\ProgramData\Anaconda3\lib\site-packages\pandas\core\frame.py in _sanitize_column(self, key, value, broadcast)
   3628 
   3629             # turn me into an ndarray
-> 3630             value = sanitize_index(value, self.index, copy=False)
   3631             if not isinstance(value, (np.ndarray, Index)):
   3632                 if isinstance(value, list) and len(value) > 0:

C:\ProgramData\Anaconda3\lib\site-packages\pandas\core\internals\construction.py in sanitize_index(data, index, copy)
    517 
    518     if len(data) != len(index):
--> 519         raise ValueError('Length of values does not match length of index')
    520 
    521     if isinstance(data, ABCIndexClass) and not copy:

ValueError: Length of values does not match length of index 

谢谢。

【问题讨论】:

    标签: python pandas csv machine-learning jupyter-notebook


    【解决方案1】:

    我认为问题可能出在

    df.values.reshape(-1,1)

    看看这个例子

    df = pd.DataFrame([(.2, .3), (.0, .6), (.6, .0), (.2, .1)], columns=['dogs', 'cats'])
    
    df
       dogs  cats
    0   0.2   0.3
    1   0.0   0.6
    2   0.6   0.0
    3   0.2   0.1
    
    df.values.reshape(-1,1)
    array([[0.2],
           [0.3],
           [0. ],
           [0.6],
           [0.6],
           [0. ],
           [0.2],
           [0.1]])
    
    

    因此,您最终为fit_predict 提供了一个shape (n_samples*n_feature, 1) 向量,并且您将生成的shape (n_samples*n_feature,) 作为一列插入到带有shape (n_samples,n_feature)df。行数不匹配。

    【讨论】:

    • 那我做错了吗?那么我正在做的是将所有 19 列合并为 1 并应用隔离林?因此,要单独在每一列上应用隔离林,我需要将它们分开并在每一列上一一应用隔离林?
    • 为什么需要合并列? Isolationforest 将根据输入特征(列)返回每个样本(行)的异常分数。您可以在docs 获取更多信息,只需执行df['anomaly'] = iForest.fit_predict(df)
    • 所以在使用 df['anomaly'] = iForest.fit_predict(df) 之后,我收到以下错误,对于df=df.drop(df['anomaly'==-1],inplace=True) 行,错误是KeyError: False。我应该将其更改为df=df.drop(df['anomaly'==-1].index,inplace=True) 吗?
    • 没有像 df['anomaly'==-1] 这样的语法,我会做像 df = df[df['anomaly'] != -1] 这样的语法
    猜你喜欢
    • 1970-01-01
    • 2021-06-30
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    • 2021-05-19
    • 2018-12-19
    • 2020-06-02
    • 2022-01-13
    相关资源
    最近更新 更多