ValueError: Input y contains NaN.
Ținta y (coloana pe care vrei s-o prezici) are valori lipsă. Elimină rândurile fără țintă înainte de fit, din X și din y deodată, de exemplu cu df.dropna(subset=['pret']); nu completa ținta cu media.
Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la
Ce înseamnă
Spre deosebire de Input X contains NaN, aici problema nu e în caracteristici, ci în y, răspunsul pe care modelul trebuie să-l învețe. Un rând fără țintă nu poate fi folosit pentru antrenare: modelul nu are ce să compare cu predicția lui.
Eroarea apare la fit (și la unele metrici, unde mesajul poate fi Input contains NaN). Cauzele tipice: rânduri încă neetichetate în tabel (de exemplu clienți despre care nu știi încă dacă au plecat), un merge care n-a găsit pereche pentru unele rânduri sau o conversie care a produs NaN. Reparația corectă este să elimini rândurile acelea din tot tabelul, înainte să separi X de y, ca cele două să rămână aliniate.
De ce apare: cauzele frecvente
1Rânduri neetichetate rămase în tabel
y = df["pret"] # unele prețuri lipsesc
model.fit(df[["suprafata"]], y)df = df.dropna(subset=["pret"])
model.fit(df[["suprafata"]], df["pret"])dropna(subset=...) șterge rândurile fără preț din tot tabelul, deci X și y rămân cu același număr de rânduri.
2Ai eliminat NaN doar din y, nu și din X
y = df["pret"].dropna()
model.fit(df[["suprafata"]], y)df = df.dropna(subset=["pret"])
X, y = df[["suprafata"]], df["pret"]
model.fit(X, y)Dacă ștergi rânduri doar din y, scapi de NaN, dar primești inconsistent numbers of samples. Filtrează tabelul întreg.
3Țintă creată dintr-un merge incomplet
df = clienti.merge(plecari, on="id", how="left")
model.fit(df[["vechime"]], df["a_plecat"])df = clienti.merge(plecari, on="id", how="left")
df["a_plecat"] = df["a_plecat"].fillna(0).astype(int)
model.fit(df[["vechime"]], df["a_plecat"])Aici lipsa are un sens cunoscut (clientul nu apare în lista de plecări, deci n-a plecat), așa că poți completa cu 0. Completezi ținta doar când știi sigur ce înseamnă lipsa.
Repară eroarea, direct în pagină
Codul de mai jos dă ValueError: Input y contains NaN., pentru că două apartamente nu au preț. Repară-l: elimină din tabel rândurile fără preț înainte de a construi X și y, ca programul să afișeze câte rânduri au rămas pentru antrenare și prețul estimat pentru 75 m².
import numpy as np
import pandas as pd
from sklearn.linear_model import LinearRegression
df = pd.DataFrame({
"suprafata": [40, 55, 60, 72, 85, 90],
"pret": [80, 110, np.nan, 140, np.nan, 180],
})
X = df[["suprafata"]]
y = df["pret"]
model = LinearRegression().fit(X, y)
print("Randuri de antrenare:", len(X))
print("Pret pentru 75 m2:", round(model.predict(pd.DataFrame({"suprafata": [75]}))[0], 1))Randuri de antrenare: 4 Pret pentru 75 m2: 148.8
Indiciu
Pune df = df.dropna(subset=["pret"]) înainte de liniile cu X și y.
Reparația
import numpy as np
import pandas as pd
from sklearn.linear_model import LinearRegression
df = pd.DataFrame({
"suprafata": [40, 55, 60, 72, 85, 90],
"pret": [80, 110, np.nan, 140, np.nan, 180],
})
df = df.dropna(subset=["pret"])
X = df[["suprafata"]]
y = df["pret"]
model = LinearRegression().fit(X, y)
print("Randuri de antrenare:", len(X))
print("Pret pentru 75 m2:", round(model.predict(pd.DataFrame({"suprafata": [75]}))[0], 1))De ce merge
Un rând fără preț nu are răspuns, deci modelul nu poate învăța nimic din el. dropna(subset=["pret"]) șterge din tot tabelul doar rândurile cu prețul lipsă, iar X și y, construite după aceea din același df, au amândouă 4 rânduri. Dacă ai fi șters NaN doar din y, X ar fi rămas cu 6 rânduri și ai fi primit o altă eroare, cea cu numărul de exemple diferit. Apartamentele fără preț pot fi estimate apoi cu predict.
Alte forme ale mesajului
ValueError: Input contains NaN.
Cum o eviți pe viitor
Verifică ținta separat: df["pret"].isna().sum() trebuie să fie 0 înainte de antrenare. Curăță tabelul o singură dată, înainte de a separa X și y, apoi construiește amândouă din același DataFrame filtrat. Nu completa ținta cu media sau mediana: ai inventa răspunsuri pe care modelul le-ar învăța ca adevărate.
Întrebări frecvente
Pot completa y cu media, cum fac la X?
Nu e o idee bună. Valorile completate în X sunt o aproximare a unei caracteristici, dar o țintă inventată îl învață pe model un răspuns fals. Rândurile fără țintă se elimină din antrenare; le poți folosi după aceea, ca date noi pentru predict.
Ce fac cu rândurile fără țintă?
Sunt exact cazurile pe care vrei să le prezici. Separă-le într-un tabel aparte, antrenează pe rândurile complete și apoi apelează predict pe ele.
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: Found input variables with inconsistent numbers of samples: [5, 4] X și y (sau y_true și y_pred) au un număr diferit de rânduri: aici 5 și 4. Fiecare exemplu din X trebuie să aibă exact o etichetă în y. Caută locul unde ai filtrat sau ai împărțit doar una dintre ele și construiește-le din același tabel. 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.
