UserWarning: Skipping features without any observed values: [1]. At least one non-missing value is needed for imputation with strategy='mean'.
O coloană din X are numai valori lipsă (NaN), deci SimpleImputer nu poate calcula media ei și o elimină din rezultat. Ieșirea are astfel mai puține coloane decât intrarea. Scoate coloana goală înainte, sau folosește strategy="constant" ori keep_empty_features=True dacă vrei s-o păstrezi.
Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la
Ce înseamnă
SimpleImputer învață la fit câte o valoare de completare pentru fiecare coloană: media, mediana sau cea mai frecventă valoare. Pentru o coloană în care nu există nicio valoare cunoscută, nu are din ce să calculeze, așa că o sare. Lista din mesaj ([1]) conține indicii coloanelor sărite, numărați de la 0.
Avertismentul nu oprește programul, dar efectul e important: rezultatul lui transform are mai puține coloane. Dacă după imputer folosești nume de coloane sau un model care se așteaptă la un anumit număr de trăsături, poți primi mai târziu X has 2 features, but ... is expecting 3, sau pur și simplu pierzi o coloană fără să observi.
Cauza obișnuită: o coloană goală în CSV, o coloană goală doar în setul de antrenare după împărțire, sau o conversie pd.to_numeric(..., errors="coerce") care a transformat tot textul în NaN.
De ce apare: cauzele frecvente
1Coloana e goală în date
df = pd.DataFrame({"suprafata": [50, 60, 70], "etaj": [np.nan, np.nan, np.nan]})
X = SimpleImputer().fit_transform(df)df = df.dropna(axis=1, how="all")
X = SimpleImputer().fit_transform(df)dropna(axis=1, how="all") scoate coloanele complet goale, așa că știi exact ce coloane intră în model.
2Conversia a transformat tot textul în NaN
df["pret"] = pd.to_numeric(df["pret"], errors="coerce") # "1.200 lei" -> NaNdf["pret"] = pd.to_numeric(df["pret"].str.replace(" lei", "").str.replace(".", ""))errors="coerce" ascunde problemele de format. Curăță textul întâi, ca valorile să devină numere, nu NaN.
3Vrei să păstrezi coloana
imp = SimpleImputer(strategy="mean")imp = SimpleImputer(strategy="constant", fill_value=0)
# sau: SimpleImputer(keep_empty_features=True)Cu o valoare constantă, imputerul nu are nevoie de valori observate. keep_empty_features=True păstrează coloana goală, completată cu 0.
Repară eroarea, direct în pagină
Codul de mai jos dă UserWarning: Skipping features without any observed values, transformat în eroare, pentru că coloana etaj e complet goală. Scoate coloanele fără nicio valoare înainte de imputer, ca programul să afișeze coloanele folosite și valorile completate.
import warnings
import numpy as np
import pandas as pd
from sklearn.impute import SimpleImputer
warnings.simplefilter("error", UserWarning)
df = pd.DataFrame({
"suprafata": [50, np.nan, 70, 80],
"etaj": [np.nan, np.nan, np.nan, np.nan],
"camere": [2, 3, np.nan, 3],
})
imp = SimpleImputer(strategy="mean")
X = imp.fit_transform(df)
print("Coloane:", list(df.columns))
print(X.tolist())Coloane: ['suprafata', 'camere'] [[50.0, 2.0], [66.66666666666667, 3.0], [70.0, 2.6666666666666665], [80.0, 3.0]]
Indiciu
Folosește df = df.dropna(axis=1, how="all") înainte de fit_transform.
Reparația
import warnings
import numpy as np
import pandas as pd
from sklearn.impute import SimpleImputer
warnings.simplefilter("error", UserWarning)
df = pd.DataFrame({
"suprafata": [50, np.nan, 70, 80],
"etaj": [np.nan, np.nan, np.nan, np.nan],
"camere": [2, 3, np.nan, 3],
})
df = df.dropna(axis=1, how="all")
imp = SimpleImputer(strategy="mean")
X = imp.fit_transform(df)
print("Coloane:", list(df.columns))
print(X.tolist())De ce merge
Coloana etaj nu are nicio valoare, deci media ei nu există. După dropna(axis=1, how="all") rămân doar suprafata și camere, iar imputerul completează fiecare lipsă cu media coloanei: (50 + 70 + 80) / 3 = 66,67 mp și (2 + 3 + 3) / 3 = 2,67 camere. Acum știi sigur ce coloane intră în model.
Alte forme ale mesajului
UserWarning: Skipping features without any observed values: [0 2]. At least one non-missing value is needed for imputation with strategy='median'.UserWarning: Skipping features without any observed values: ['etaj']. At least one non-missing value is needed for imputation with strategy='most_frequent'.
Cum o eviți pe viitor
După ce citești datele, afișează df.isna().mean(): o coloană cu 1.0 e complet goală și nu are ce căuta în model. Verifică la fel setul de antrenare după train_test_split, mai ales la date puține. Evită errors="coerce" fără să numeri câte NaN au apărut. Tratează avertismentele imputerului ca pe niște erori: o coloană dispărută schimbă tot ce urmează.
Întrebări frecvente
E grav dacă e doar un avertisment?
Poate fi. Modelul se antrenează pe mai puține coloane, iar codul care se bazează pe pozițiile sau numele coloanelor poate amesteca trăsăturile între ele.
Coloana are valori în tot fișierul, dar primesc avertismentul. De ce?
Probabil valorile sunt doar în rândurile care au ajuns în setul de test. Imputerul învață doar din setul de antrenare, unde coloana e goală.
Erori înrudite
ValueError: Input X contains NaN. Datele de intrare X au cel puțin o valoare lipsă (NaN), iar modelul nu știe să lucreze cu ea. Completează golurile înainte de fit (de exemplu cu fillna sau SimpleImputer) sau elimină rândurile incomplete cu dropna. ValueError: Cannot use mean strategy with non-numeric data: Ai cerut unui SimpleImputer să completeze cu media o coloană care conține text. Media se poate calcula doar pe numere: folosește strategy="mean" sau "median" doar pe coloanele numerice și strategy="most_frequent" (sau "constant") pe cele cu text. ValueError: X has 3 features, but LinearRegression is expecting 2 features as input. Datele date la predict sau transform au alt număr de coloane decât cele de la fit (aici 3 în loc de 2). Datele noi trebuie să aibă exact aceleași caracteristici, în aceeași ordine, și să treacă prin aceleași transformări ca datele de antrenare. Învață Machine Learning de la zero, cu exerciții la fiecare lecție
Curs Machine Learning și AI pentru începători: lecții scurte, fiecare cu un exercițiu verificat automat, direct în browser. Primele 15 lecții sunt gratuite.
