项目场景：

在对kaggle的数据集Give Me Some Credit进行信用评分卡的制作过程中，出现了报错。这个报错是在第一部分数据预处理的过程中出现的，发生在利用随机森林模型预测对空缺数据进行填充。

ValueError: Input X contains NaN.

问题描述

ValueError: Input X contains NaN.

这段报错的主要错误是：在输入的变量中出现了空缺值或极大值，导致数据在导入随机森林回归模型中出现了错误。

unknown = process_df[process_df.MonthlyIncome.isnull()].as_matrix()

上面是报错代码，下面是修改后的代码

unknown = process_df[process_df.MonthlyIncome.isnull()].values
    unknown = np.nan_to_num(unknown.astype(np.float32))

    # print(unknown)

    # print(unknown[:, 1:])
    # X为特征属性值
    X = known[:, 1:]

    # y为结果标签值
    y = known[:, 0]
    # fit到RandomForestRegressor之中
    rfr = RandomForestRegressor(random_state=0, n_estimators=200, max_depth=3, n_jobs=-1)

    rfr.fit(X, y)

问题代码就出现在unknowed = （），要将numpy数组填充，需要用上np.nan_to_num()来讲空缺值先填充上。