質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

89.63%

kMeansでエラー

解決済

回答 2

投稿

  • 評価
  • クリップ 0
  • VIEW 792

_hh

score 47

Pythonのjupyter notebookで、あるcsvデータを読み込み、クラスタリングしたいと考えております。
以下の様なコードで試みたところ、以下の様なエラーが出てしまいます。

当該csvデータの'階級'という列は、データでは整数値が入っております。エラーをみますと、数字であるにも関わらず、なぜか数値の型?でないのかと思いますが、なぜそうなるのか、またどのように対処して良いかわからず、こちらに記載させて頂きました。
どなかたご教示頂けますと幸いです.

【環境】Windows10, 64bit chrome

【コード】

import numpy as np
import pandas as pd
csv_in = 'data.csv'
df = pd.read_csv(csv_in, delimiter=',', encoding='shift-jis')

df2 = df[['生年月日','階級']]
df2.head()
df3=np.array(df2)
print(df3)

from sklearn.cluster import KMeans
kmeans=KMeans(n_clusters=3)
kmeans.fit(df3)


【エラー】
ValueError                                Traceback (most recent call last)
<ipython-input-10-623bc5f5d3ff> in <module>()
16 #X, y = make_blobs(random_state=1)
17 kmeans=KMeans(n_clusters=3)
---> 18 kmeans.fit(df3)

~\Miniconda3\envs\stats\lib\site-packages\sklearn\cluster\k_means_.py in fit(self, X, y)
885         """
886         random_state = check_random_state(self.random_state)
--> 887         X = self._check_fit_data(X)
888 
889         self.cluster_centers_, self.labels_, self.inertia_, self.n_iter_ = \

~\Miniconda3\envs\stats\lib\site-packages\sklearn\cluster\k_means_.py in _check_fit_data(self, X)
856     def _check_fit_data(self, X):
857         """Verify that the number of samples given is larger than k"""
--> 858         X = check_array(X, accept_sparse='csr', dtype=[np.float64, np.float32])
859         if X.shape[0] < self.n_clusters:
860             raise ValueError("n_samples=%d should be >= n_clusters=%d" % (

~\Miniconda3\envs\stats\lib\site-packages\sklearn\utils\validation.py in check_array(array, accept_sparse, dtype, order, copy, force_all_finite, ensure_2d, allow_nd, ensure_min_samples, ensure_min_features, warn_on_dtype, estimator)
431                                       force_all_finite)
432     else:
--> 433         array = np.array(array, dtype=dtype, order=order, copy=copy)
434 
435         if ensure_2d:

ValueError: could not convert string to float: '7S'

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 過去に投稿した質問と同じ内容の質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 2

checkベストアンサー

+1

単純に、データが'7S'という文字列になっているのではないですか?

確認してみてほしい事項。

  • 直接df2の中身を見てください。あと、df2.dtypesを見ましょう。
  • csvの中身を見て、変なことになっていないか確認する(可能なら一部だけでも良いので質問本文にcsvの中身を追記して頂けるとこちらでも検証しやすいです)

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2018/10/10 17:17

    有難うございました!ご指摘の通り、7Sという文字列が入っておりました。。
    これをどうするか途方に暮れておりますが、、原因が分かり大変感謝しております。
    恐縮ですが最初に答えて下さった方をベストアンサーにさせて頂きました。。

    キャンセル

  • 2018/10/10 17:21 編集

    そもそもデータのcsvが間違っていた(思っていたフォーマットと違った)、ということでしょうか

    キャンセル

  • 2018/10/10 17:24

    もしかしたら勘違いしているかもしれないので、念の為伝えておきますが、
    df2 = df[['生年月日','階級']]
    df2.head()
    df3=np.array(df2)
    は生年月日と階級の2列がデータになったnumpy配列を生成します

    キャンセル

+1

エラーに書かれております通り、'生年月日'列か'階級'列のどちらかのデータに '7S' という値が入っているため、文字列型(object型)として扱われているようです。

とりあえず
print(df.dtypes)
としてデータ型がどうなっているのか、データに'7S'がないかを確認してみてください。

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2018/10/10 17:07

    完全に被ってしまいました。スミマセン

    キャンセル

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 89.63%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

同じタグがついた質問を見る