这两天在做信用卡的数据分析项目，出现了除标题错误以外 +
（
ValueError: Found input variables with inconsistent numbers of samples: [56411, 27785]
）
这两个报错，因为标题字数有限，所以只写了一个。现在我们先解决第一个问题：

正如上面报错所写，错误原因就是：
输入的数据里面包含NaN值或者无穷大的数据
所以解决办法：
找到NaN值补齐或者删除该列；减小样本数据。
然后先用pandas的describe()和head()属性来查看一下数据集情况，前者是对整个数据有个概览，后者可以直接打印出前几行数据，这里我们选择前5看看，代码如下：

print(data1.describe())
#数据集概览
print(data1.head(5))
#前5行

然后输出的结果发现：


可以看出来bankCard这一列的数据是不完整的，存在NaN值，鉴于他对于预测模型的生成没有太大影响，所以直接删除了该列，问题解决！

data1.drop(['bankCard'], axis = 1)

==================================================================================================分割线

好了，现在解决第二个问题：

这个错误的原因是：
输入的训练集数据的数目与测试集的数据数目不一致导致的！！！比如你的训练集是1000个数据，那么你的测试集也要是1000个数据才行
上次我这里理解错了，不好意思?（网上搜到的那个同样问题的博客，他的理解也是错误的。。。所以还是要<mark>看官方文档</mark>啊！！！）这里不是说的训练集和测试集数目不一致，而是 因为训练集的样本数与你选的特征变量数不一致才导致的！！！即如果你的train_x 是（21000，23），那么 train_y也要是（21000，）！

解决办法：
使结果长度保持一致即可。

再次运行，问题解决?

PS：
第一个问题其实还有一种查看数据有没有缺失值的办法，就是用pandas的.isnull().any() 方法，比如看下面代码：

print(data4.isnull().any())

结果打印出来是：

loanProduct         False
gender              False
age                 False
dist                False
edu                 False
                    ...  
ncloseCreditCard    False
unpayIndvLoan       False
unpayOtherLoan      False
unpayNormalLoan     False
5yearBadloan        False
Length: 99, dtype: bool

解释一下，False代表该字段没有空值，所以是完整的，不存在缺失值；
True代表该字段有缺失值。
可以看出来，这里显示的是没有缺失值，但是我们刚刚通过开头的方法已经发现了缺失值的字段，
所以当特征字段太多的时候，此方法就不容易看出缺失的字段； 建议特征字段较少的时候使用该方法。