AI赛事比分分析项目遇ValueError：输入含NaN等非法浮点值

一、解决ValueError: Input contains NaN...错误 #

这个错误源于数据集存在缺失值（NaN）、无穷大值或超出float64范围的数据，处理步骤如下：

1. 检查数据异常
   加载数据后先排查异常情况：

import pandas as pd
import numpy as np

data = pd.read_csv('C:/Users/erdi/Desktop/son20yil/STSL_yeni.csv')
# 查看各列缺失值数量
print(data.isnull().sum())
# 查看数值型列的统计分布，排查异常值
print(data.describe())
# 检查是否存在无穷大值
print(np.isinf(data.select_dtypes(include=[np.number])).sum())

2. 清洗数据
   根据检查结果针对性处理：

• 缺失值较少时，直接删除含缺失值的行：

  data = data.dropna()
  

• 缺失值较多时，用列的中位数填充（避免均值受极端值影响）：

  numeric_cols = data.select_dtypes(include=[np.number]).columns
  data[numeric_cols] = data[numeric_cols].fillna(data[numeric_cols].median())
  

• 移除无穷大值：

  data = data.replace([np.inf, -np.inf], np.nan).dropna()
  

二、基于KNN算法实现赛事比分分析 #

我们用KNN回归模型预测两队的预期进球数，进而推导比分结果。核心逻辑是：用球队历史场次、失球、胜平负、积分等数据作为特征，训练模型预测单队的进球能力，结合两队数据生成比分预测。

完整代码实现 #

import pandas as pd
import numpy as np
from sklearn.neighbors import KNeighborsRegressor
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler

# 1. 数据加载与清洗
data = pd.read_csv('C:/Users/erdi/Desktop/son20yil/STSL_yeni.csv')
# 替换无穷值为NaN，再用中位数填充数值型列
data = data.replace([np.inf, -np.inf], np.nan)
numeric_cols = ['MacSayisi', 'AtGol', 'YeGol', 'Galibiyet', 'Beraberlik', 'Maglubiyet', 'Puan']
data[numeric_cols] = data[numeric_cols].fillna(data[numeric_cols].median())
# 确保队名无缺失
data = data.dropna(subset=['TakimAdi'])

# 2. 定义特征与目标变量
# 用球队历史数据训练模型，预测单队的进球数（AtGol）
features = data[['MacSayisi', 'YeGol', 'Galibiyet', 'Beraberlik', 'Maglubiyet', 'Puan']]
target = data['AtGol']

# 3. 特征标准化（KNN对尺度敏感，必须执行）
scaler = StandardScaler()
features_scaled = scaler.fit_transform(features)

# 4. 划分训练测试集
X_train, X_test, y_train, y_test = train_test_split(features_scaled, target, test_size=0.2, random_state=42)

# 5. 构建并训练KNN模型
knn_model = KNeighborsRegressor(n_neighbors=5)  # k值可通过交叉验证优化
knn_model.fit(X_train, y_train)

# 6. 预测指定两队的比分
takim1_adi = "BESIKTAS"
takim2_adi = "FENERBAHCE"

# 获取两队历史数据的均值（代表球队平均水平）
takim1_stats = data[data['TakimAdi'] == takim1_adi][numeric_cols].mean().values
takim2_stats = data[data['TakimAdi'] == takim2_adi][numeric_cols].mean().values

# 提取用于预测的特征（排除目标变量AtGol）
takim1_input = takim1_stats[[0,2,3,4,5,6]]  # 对应MacSayisi, YeGol, Galibiyet, Beraberlik, Maglubiyet, Puan
takim2_input = takim2_stats[[0,2,3,4,5,6]]

# 标准化输入特征
takim1_input_scaled = scaler.transform(takim1_input.reshape(1, -1))
takim2_input_scaled = scaler.transform(takim2_input.reshape(1, -1))

# 预测预期进球数并取整
takim1_goals = round(knn_model.predict(takim1_input_scaled)[0])
takim2_goals = round(knn_model.predict(takim2_input_scaled)[0])

print(f"{takim1_adi} vs {takim2_adi} 预测比分: {takim1_goals} - {takim2_goals}")

关键说明 #

• 特征标准化：KNN基于距离计算，特征尺度差异会干扰结果，必须用StandardScaler统一尺度。
• k值优化：代码中默认用n_neighbors=5，可通过交叉验证找到最优值：

  from sklearn.model_selection import GridSearchCV
  param_grid = {'n_neighbors': range(3,10)}
  grid = GridSearchCV(KNeighborsRegressor(), param_grid, cv=5)
  grid.fit(X_train, y_train)
  print("最优k值:", grid.best_params_['n_neighbors'])
  

• 比分优化：若需要更精准的胜负结果，可改用KNN分类模型，将目标变量设为比赛胜负标签（需补充对应数据）。

内容的提问来源于stack exchange，提问作者erdi