Python线性回归拟合报错求助：ValueError: Input contains NaN

问题原因 #

sklearn的线性回归模型要求输入的特征矩阵X或目标变量Y不能包含缺失值（NaN），你的报错就是因为X或Y中存在未处理的缺失值。

步骤1：定位NaN位置 #

先确认缺失值出现在X还是Y中，用以下代码检查：

# 若X、Y是pandas DataFrame/Series
import pandas as pd
print("X中的缺失值数量：\n", X.isnull().sum())
print("Y中的缺失值数量：\n", Y.isnull().sum())

# 若X、Y是numpy数组
import numpy as np
print("X是否存在NaN：", np.isnan(X).any())
print("Y是否存在NaN：", np.isnan(Y).any())

步骤2：处理缺失值 #

以下是两种常用的解决方法：

方法一：删除含缺失值的样本

直接移除包含NaN的行，注意要同步删除X和Y中对应的样本，保证数据对齐：

# 用pandas合并后统一处理
data = pd.concat([X, Y], axis=1)
data_clean = data.dropna(axis=0)
X_clean = data_clean.iloc[:, :-1]  # 假设Y是最后一列
Y_clean = data_clean.iloc[:, -1]

# 训练模型
LR = LinearRegression(normalize=True)
LR.fit(X_clean, Y_clean)
y_predict = LR.predict(X_test)

方法二：填充缺失值（更推荐，避免丢失数据）

用均值、中位数或众数填充缺失值，也可以用sklearn的SimpleImputer工具：

# 方式1：用pandas直接填充
X.fillna(X.mean(), inplace=True)  # 用特征列的均值填充
Y.fillna(Y.mean(), inplace=True)  # 若Y有缺失值，用目标变量均值填充

# 方式2：用sklearn的SimpleImputer（适合后续构建机器学习流水线）
from sklearn.impute import SimpleImputer

imputer = SimpleImputer(strategy='mean')  # 可选策略：median、most_frequent
X_clean = imputer.fit_transform(X)
# 若Y是一维数组，需先转二维再填充
Y_clean = imputer.fit_transform(Y.values.reshape(-1, 1)).flatten()

# 训练模型
LR = LinearRegression(normalize=True)
LR.fit(X_clean, Y_clean)
y_predict = LR.predict(X_test)

关键注意事项 #

处理测试集X_test时，必须复用训练集的缺失值处理逻辑（比如用训练集计算的均值填充），避免数据泄露：

# 测试集处理示例（用训练集的imputer）
X_test_clean = imputer.transform(X_test)

内容的提问来源于stack exchange，提问作者UDAY Gupta