Python连接Oracle运行KNN出现Input contains NaN等float64类型错误

核心触发原因 #

• KNN是基于数值距离计算的模型，无法直接处理字符串类型特征，你传入的Province_name是VARCHAR2字符串类型，模型尝试将字符串转为数值时会生成非法值，触发报错
• KNeighborsClassifier.fit()的入参格式错误，标准入参格式为fit(训练特征集X, 训练标签集y)，你把特征集同时传入了两个参数，不符合接口要求
• 即使表中无空值，Oracle的NUMBER(38,0)最大值可达1e38，远大于float64类型能承载的整数精度上限（2^53≈9e15），如果你的cnt字段值超过这个范围，会触发溢出转为无穷大inf，也会触发该报错

解决步骤 #

1. 处理字符串类型特征：将Province_name转换为数值格式，可选择标签编码、独热编码两种方案，若暂时不需要省份字段参与计算，也可先仅保留cnt字段测试
2. 修正模型入参格式：明确分类任务的特征列和标签列，按fit(特征集, 标签集)的格式传参
3. 校验数值范围：检查cnt字段的最大值，若超出float64精度范围，做数值缩放或归一化处理

可运行参考代码 #

import pandas as pd
import numpy as np
from sklearn.neighbors import KNeighborsClassifier
from sklearn.preprocessing import LabelEncoder

# 读取数据 无需重复查询两次同表
df = pd.read_sql_query('''select Province_name, cnt from Provincepartnercnt''' , conn)

# 先校验是否存在异常值
print("空值统计：", df.isna().sum())
print("无穷大统计：", np.isinf(df['cnt']).sum())
print("cnt最大值、float64安全上限：", df['cnt'].max(), 2**53)

# 转换字符串类型的省份为数值标签（如果省份是预测目标）
le = LabelEncoder()
df['Province_label'] = le.fit_transform(df['Province_name'])

# 拆分特征、标签：示例以cnt为特征，预测对应的省份
X = df[['cnt']]
y = df['Province_label']

# 模型训练
myKNN = KNeighborsClassifier(n_neighbors = 1)
myKNN.fit(X, y)

如果需要将省份作为特征参与计算，可使用独热编码转换：

# 独热编码转换省份列，和cnt合并为特征集
province_onehot = pd.get_dummies(df['Province_name'], drop_first=True)
X = pd.concat([df[['cnt']], province_onehot], axis=1)

内容的提问来源于stack exchange，提问作者Sara Moradi