2

El paquete de Python llamado Patsy, ayuda a definir una fórmula con variable dependiente e independiente. La variable que se define a la izquierda de '~' es la variable dependiente, y las variables que se definen a la derecha de la misma son las variables independientes. Las variables encerradas dentro de C () son tratadas como variables categóricas. Del DataFrame "titanic_3.csv", necesito crear dos conjuntos: set de entrenamiento y set de pruebas. Este DataFrame se encuentra accesible en la carpeta Ficheros de este enlace

Al ejecutar el script

import os
import pandas as pd
from patsy import dmatrices
# Change directory 
os.chdir("G:\Py_machine_learning\Ficheros")
df = pd.read_csv("titanic_3.csv")
# Aplicar axis as 1 para eliminar las columnas con las siguientes etiquetas
df = df.drop(["ticket","cabin","name", "Unnamed: 14", "Unnamed: 15", "Unnamed: 16",
              "Unnamed: 17", "Unnamed: 18", "Unnamed: 19"], axis=1)
# Eliminamos valores Na
df = df.dropna()
from patsy import dmatrices
formula = "survived ~ C(pclass) + C(sex) + age + sibsp + C(embarked) + parch" 
# Crea un diccionario de resultados para mantener nuestros resultados de regresión 
# para un fácil análisis posterior
df_train = df.iloc[ 0: 600, : ]
df_test = df.iloc[ 600: , : ]
# Divide los datos en variables dependientes e independientes.
# Crea los conjuntos de datos de entrenamiento y prueba
y_train,x_train = dmatrices(formula, data=df_train, return_type = 'dataframe')
y_test,x_test = dmatrices(formula, data=df_test,  return_type = 'dataframe')

me devuelve el error:

ValueError: negative dimensions are not allowed ¿Cuál es la causa de este error?.

2
  • Efectivamente, el df descargado de Kaggle no era el completo. Si os parece que no aporta nada a otras personas, podemos eliminarla
    – efueyo
    Commented el 23 jun. 2019 a las 22:06
  • Pueden poner el comentario como respuesta y aceptarlo, así otros sabrán qué revisar cuando encuentren este error.
    – Alfabravo
    Commented el 25 jun. 2019 a las 16:07

1 respuesta 1

0

Tras hacer el df.dropna() el dataframe resultante sólo tiene 142 filas en este ejemplo, por lo que al tratar de seleccionar de la fila 600 en adelante para df_test terminas con un dataframe vacío, y de ahí el error.

Es cierto que el mensaje no es intuitivo, al mencionar una dimensión negativa que no se ve en tu código, pero esto ocurre porque internamente el patsy intenta crear una matriz unidad (unos en la diagonal y ceros fuera) de dimensiones len(levels)-1, llamando a np.eye(), y ya que levels es cero en este caso, acaba causando una dimensión negativa que causa la excepción en np.eye().

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.