scikit-learn 所有 estimator 默认拒绝 np.inf 和 -np.inf，必须在 fit/transform 前用 np.where 等显式转为 np.nan，再经 simpleimputer 处理；pipeline 中应前置 inftonan transformer，训练前用 np.any(np.isinf(x)) 快速检测。
scikit-learn 会直接报错 ValueError: Input contains NaN, infinity or a value too large for dtype('float64')
scikit-learn 的绝大多数 estimator（如 LogisticRegression、RandomForestClassifier、StandardScaler）**默认不接受 np.inf 或 -np.inf**，哪怕只是单个特征里有一个无限值，调用 fit() 或 transform() 就会立即抛出这个错误。它和 NaN 一样被严格拒绝——不是警告，是中断执行。
你不能指望模型内部“自动跳过”或“视作缺失”，必须在输入前显式处理。
用 SimpleImputer 填充前必须先把 inf 转成 NaN
SimpleImputer 只识别 NaN，对 inf 完全无感。如果直接传入含 inf 的数组，它会照常报错，不会帮你转换。
- 先用
np.where或布尔索引把inf和-inf替换为np.nan：
import numpy as np from sklearn.impute import SimpleImputer <p>X = np.array([[1.0, 2.0], [np.inf, 4.0], [3.0, -np.inf]]) X_clean = np.where(np.isinf(X), np.nan, X) # 把 inf/-inf 全转成 nan</p><p>imputer = SimpleImputer(strategy='median') X_imputed = imputer.fit_transform(X_clean)</p>
-
strategy='constant'时，填充值可以是任意数，但依然要先转nan；否则inf会卡在fit_transform第一步 - 别用
pd.DataFrame.replace([np.inf, -np.inf], np.nan)后直接丢给SimpleImputer——它只支持numpy.ndarray或scipy.sparse，DataFrame 会触发类型错误
用 RobustScaler 或 StandardScaler 前必须先处理 inf
StandardScaler 计算均值和标准差时，遇到 inf 会导致结果变成 inf 或 nan；RobustScaler 依赖分位数，而 np.inf 会让 np.percentile 返回 inf，后续除法崩溃。
- 常见误操作：先
fit_transform再检查 —— 错误已经发生，没机会补救 - 正确顺序永远是：
inf → nan → impute → scale，不能颠倒 - 如果业务上
inf表示“极大但有限”，可考虑用极值截断代替填充，例如：X_clipped = np.clip(X, -1e8, 1e8)，但需确认该阈值不影响模型判别力
Pipeline 中容易漏掉 inf 检查环节
写 Pipeline 时，常默认数据已清洗，把 SimpleImputer 当作第一步。但如果原始数据含 inf，SimpleImputer 会失败，而错误堆栈可能掩盖真实源头。
- 建议在 Pipeline 最前端加一个自定义 transformer，专门做
inf检测与替换：
from sklearn.base import BaseEstimator, TransformerMixin
<p>class InfToNan(BaseEstimator, TransformerMixin):
def fit(self, X, y=None):
return self
def transform(self, X):
return np.where(np.isinf(X), np.nan, X)</p><h1>然后放进 pipeline</h1><p>from sklearn.pipeline import Pipeline
pipe = Pipeline([
('inf2nan', InfToNan()),
('impute', SimpleImputer(strategy='mean')),
('scale', StandardScaler())
])</p>
- 训练前用
np.any(np.isinf(X))快速探查，比等报错再调试更省时间 - 注意：
pd.read_csv(..., na_values=['inf', '-inf'])不会识别字符串 "inf" 以外的格式，且无法处理数值型np.inf—— 这个操作只影响读取阶段，不解决已有数组里的inf
inf 值不像 NaN 那样有统一的预处理约定，每个 scaler、imputer、model 对它的容忍度都不同，最稳妥的做法是：在任何 scikit-learn 组件调用前，确保数组里既没有 np.inf，也没有 -np.inf。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
