SciKitLearn标签编码器导致错误“参数必须是字符串或数字”

Question

我有点困惑-在这里创建一个ML模型。在

我正在尝试从一个“大”数据帧（180列）中获取分类特性，并对其进行热处理，这样我就可以找到这些特性之间的相关性并选择“最佳”特性。在

这是我的代码：

# import labelencoder
from sklearn.preprocessing import LabelEncoder

# instantiate labelencoder object
le = LabelEncoder()

# apply le on categorical feature columns
df = df.apply(lambda col: le.fit_transform(col))
df.head(10)

运行此命令时，我得到以下错误：TypeError:（'argument must be a string or number'，'occurred at index LockTenor'）

因此，我前往LockTenor字段，查看所有不同的值：

^{pr2}$

结果如下：array（[60.0，45.0，'z'，90.0，75.0，30.0]，dtype=object）

在我看来，所有的字符串和数字都是这样的……它是不是因为它是一个浮点而不一定是一个整型的错误？在

Answer 1

之所以会出现这个错误，是因为您确实有float和字符串的组合。看看这个例子：

# Preliminaries
import pandas as pd
from sklearn.preprocessing import LabelEncoder

# Create DataFrames

# df1 has all floats
d1 = {'LockTenor':[60.0, 45.0, 15.0, 90.0, 75.0, 30.0]}
df1 = pd.DataFrame(data=d1)
print("DataFrame 1")
print(df1)

# df2 has a string in the mix
d2 = {'LockTenor':[60.0, 45.0, 'z', 90.0, 75.0, 30.0]}
df2 = pd.DataFrame(data=d2)
print("DataFrame 2")
print(df2)

# Create encoder
le = LabelEncoder()

# Encode first DataFrame 1 (where all values are floats)
df1 = df1.apply(lambda col: le.fit_transform(col), axis=0, result_type='expand')
print("DataFrame 1 encoded")
print(df1)

# Encode first DataFrame 2 (where there is a combination of floats and strings)
df2 = df2.apply(lambda col: le.fit_transform(col), axis=0, result_type='expand')
print("DataFrame 2 encoded")
print(df2)

如果您运行此代码，您将看到df1的编码没有问题，因为它的所有值都是浮点值。不管是谁，您将为df2报告的错误。在

一个简单的解决方法是将列转换为字符串。可以在相应的lambda函数中执行此操作：

^{pr2}$

作为补充建议，我建议你看看你的数据，看看是否正确。对我来说，在同一列中混合使用浮点和字符串有点奇怪。在

最后，我想指出sci-kit's ^{} performs a simple encoding of variables，它确实执行一个热编码。如果您想这样做，我建议您看看^{}