ScikitLearn：如何处理无序类型错误？

Question

我正在使用Python3.5根据train.csv中的数据预测test.csv中的一些数据。 在执行数据扫描时，我转换train.csv的行和列，这非常好。但是当对test.csv执行相同操作时，它会给出一个：
TypeError:无序类型：float（）>；str（）

train = pd.read_csv('train.csv', header = 0, parse_dates = True, low_memory= False)
test = pd.read_csv('test.csv' , header =0, parse_dates = True, low_memory= False)

le = preprocessing.LabelEncoder()

train.Category = le.fit_transform(train.Category)
train.DayOfWeek = le.fit_transform(train.DayOfWeek)
train.PdDistrict = le.fit_transform(train.PdDistrict)

错误部分

test.DayOfWeek = le.fit_transform(test.DayOfWeek)
test.PdDistrict = le.fit_transform(test.PdDistrict)

Answer 1

两个问题。您不应该对多个列重复使用相同的LabelEncoder。否则，您将丢失映射，无法转换测试数据

category_le = preprocessing.LabelEncoder()
day_of_week_le = preprocessing.LabelEncoder()
pd_district_le = preprocessing.LabelEncoder()

train_category = category_le.fit_transform(train.Category)
train_day_of_week = day_of_week_le.fit_transform(train.DayOfWeek)
train_pd_district = pd_district_le.fit_transform(train.PdDistrict)

train_X = np.hstack([train_category_mat, train_day_of_week_mat, pd_district_le])

test_category = category_le.transform(test.Category)
test_day_of_week = day_of_week_le.transform(test.DayOfWeek)
test_pd_district = pd_district_le.transform(test.PdDistrict)

Answer 2

这里只是一个快速的代码片段，可以帮助其他正在搜索的人解决无序类型错误

这个问题（你已经发现了）粘贴在这里，正如在另一个论坛帖子中所发现的：“因为我试图编码的列中基本上存在混合类型。我最终能够通过将每个“object”类型列转换为“str”类型来绕过它，从而停止了错误。”

在处理丢失的数据后，可以使用此代码通过.astype(str)属性遍历与一组数据类型匹配的列，并将它们转换为字符串

#REPLACE NAN WITH 0
X_train.fillna(0.0, inplace=True)

#GET LIST OF COLUMNS TO ENCODE
cols_to_enc = list(X_train.select_dtypes(include=['category', 'object']))

for feature in cols_to_enc:
    try:
        #CONVERT VALUE TO STRING (TO AVOID UNORDERED TYPE ERRORS)
        X_train[feature] = X_train[feature].astype(str)
    except Exception as err:
        print('cannot convert: %s' %  feature)
        print(err)