Valueerror: invalid wörtliche für Schwimmer(): 2017.03.18 19: 22: 51-07: 00

Question

Ich bin relativ neu in Python Programming. Wenn ich versuche, die Daten für die Hauptkomponentenanalyse zu standardisieren, erhalte ich die folgende Fehlermeldung.

Python-Version: 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 

Bitte kann jemand hineinschauen..Vielen Dank im Voraus.

Answer 1

Die date Spalte ist eine Zeichenfolge und hat keinen numerischen Wert daher sollten Sie es nicht skalieren. Außerdem sollten Sie die Spalte timestamp nicht berücksichtigen, da es sich um einen kontinuierlich steigenden Wert handelt und Sie keine aussagekräftigen Informationen von PCA erhalten.

Deshalb würde ich tun empfehlen:

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

Answer 2

StandardScaler kann nur fit/verwandeln Schwimmertypen, wie durch den Aufruf von check_array mit dtype=FLOAT_DTYPES in StandardScaler.partial_fit zur Kenntnis genommen.

Sie müssen entweder Ihre Datumsspalte ausschließen oder sie in ein Float-Format (Unix-Zeitstempel) konvertieren, wenn Sie beabsichtigen, sie in Ihre Analyse einzubeziehen. Allerdings würde ich empfehlen, die Zeit insgesamt nicht mit einzubeziehen.

NB Sie haben auch die timestamp Spalte, während der Lage sollte aus Ihren Daten auch dann ausgeschlossen werden, indem StandardScaler verwandelt.