ValueError：无法将字符串转换为浮点数：Python中的“lisans”

Posted 2023-03-12

【中文标题】ValueError：无法将字符串转换为浮点数：Python中的“lisans”

【英文标题】：ValueError: could not convert string to float: 'lisans' in Python

【发布时间】：2018-11-12 15:18:10

【问题描述】：

我正在尝试计算 k-prototypes 算法输出的轮廓指数，以对混合特征数据集进行聚类。我收到 ValueError: could not convert string to float: 'lisans' 作为错误，即使我的代码在我只执行 k-prototypes 算法时工作正常。我的输入是一个 excel 文件，我的单元格中没有空格或缩进。错误如下：

  File "C:\Users\...\Continuum\anaconda3\lib\site-packages\sklearn\utils\validation.py", line 433, in check_array
array = np.array(array, dtype=dtype, order=order, copy=copy)

ValueError: could not convert string to float: 'lisans'

这里validation.py 给出错误：

此外，每当我更改 excel 文件中列的位置时，被先前给出错误的旧列位置替换的新列也会在同一位置产生错误，无论写入的文本是什么细胞。

我也尝试创建一个新的 excel 文件并使用它，但我又失败了。下面是代码：

#silhouette score index calculation
import matplotlib.cm as cm
from sklearn.metrics import silhouette_samples, silhouette_score
range_n_clusters = [2, 3, 4, 5, 6, 7]

for n_clusters in range_n_clusters:
# Create a subplot with 1 row and 2 columns
fig, (ax1, ax2) = plt.subplots(1, 2)
fig.set_size_inches(18, 7)

# The 1st subplot is the silhouette plot
# The silhouette coefficient can range from -1, 1 but in this example all
# lie within [-0.1, 1]
ax1.set_xlim([-0.1, 1])
# The (n_clusters+1)*10 is for inserting blank space between silhouette
# plots of individual clusters, to demarcate them clearly.
ax1.set_ylim([0, len(X) + (n_clusters + 1) * 10])

# Initialize the clusterer with n_clusters value and a random generator
# seed of 10 for reproducibility.
clusterer = KPrototypes(n_clusters=n_clusters, init = 'Cao', verbose = 2)
cluster_labels = clusterer.fit_predict(X, categorical=[0, 8, 9])

# The silhouette_score gives the average value for all the samples.
# This gives a perspective into the density and separation of the formed
# clusters
silhouette_avg = silhouette_score(X, cluster_labels)
print("For n_clusters =", n_clusters,
      "The average silhouette_score is :", silhouette_avg)

# Compute the silhouette scores for each sample
sample_silhouette_values = silhouette_samples(X, cluster_labels)

y_lower = 10
for i in range(n_clusters):
    # Aggregate the silhouette scores for samples belonging to
    # cluster i, and sort them
    ith_cluster_silhouette_values = \
        sample_silhouette_values[cluster_labels == i]

    ith_cluster_silhouette_values.sort()

    size_cluster_i = ith_cluster_silhouette_values.shape[0]
    y_upper = y_lower + size_cluster_i

    color = cm.spectral(float(i) / n_clusters)
    ax1.fill_betweenx(np.arange(y_lower, y_upper),
                      0, ith_cluster_silhouette_values,
                      facecolor=color, edgecolor=color, alpha=0.7)

    # Label the silhouette plots with their cluster numbers at the middle
    ax1.text(-0.05, y_lower + 0.5 * size_cluster_i, str(i))

    # Compute the new y_lower for next plot
    y_lower = y_upper + 10  # 10 for the 0 samples

ax1.set_title("The silhouette plot for the various clusters.")
ax1.set_xlabel("The silhouette coefficient values")
ax1.set_ylabel("Cluster label")

# The vertical line for average silhouette score of all the values
ax1.axvline(x=silhouette_avg, color="red", linestyle="--")

ax1.set_yticks([])  # Clear the yaxis labels / ticks
ax1.set_xticks([-0.1, 0, 0.2, 0.4, 0.6, 0.8, 1])

# 2nd Plot showing the actual clusters formed
colors = cm.spectral(cluster_labels.astype(float) / n_clusters)
ax2.scatter(X[:, 0], X[:, 1], marker='.', s=30, lw=0, alpha=0.7,
            c=colors, edgecolor='k')

# Labeling the clusters
centers = clusterer.cluster_centers_
# Draw white circles at cluster centers
ax2.scatter(centers[:, 0], centers[:, 1], marker='o',
            c="white", alpha=1, s=200, edgecolor='k')

for i, c in enumerate(centers):
    ax2.scatter(c[0], c[1], marker='$%d$' % i, alpha=1,
                s=50, edgecolor='k')

ax2.set_title("The visualization of the clustered data.")
ax2.set_xlabel("Feature space for the 1st feature")
ax2.set_ylabel("Feature space for the 2nd feature")

plt.suptitle(("Silhouette analysis for KMeans clustering on sample data "
              "with n_clusters = %d" % n_clusters),
             fontsize=14, fontweight='bold')

plt.show()

此轮廓分数代码也适用于其他数据集而不会出错。有没有人可以修复它？ （我在复制代码时遇到了一些问题，所以通常缩进在源代码中是正确的）

【问题讨论】：

这是完整的 Traceback 吗？看起来有些丢失了......它在 check_array 函数/方法中显示了来自 sklearn 的 validation.py 文件的错误，但是我们不知道在提供的代码中调用了什么。至少提供追溯至我们可以看到文件中将数据传递到 sklearn 的最后一点的点。

当我调试时，这里的代码进入验证并给出错误：> c:\users\...\part 4 - clustering\section 24 - k-means clustering\kprot_ben.py( 69)() 67 # 这给出了形成的 68 # 簇的密度和分离的透视图 ---> 69 silhouette_avg = silhouette_score(X, cluster_labels) 70 print("For n_clusters =", n_clusters, 71 "平均 silhouette_score 是：", silhouette_avg) ipdb> ValueError: could not convert string to float: 'SECIM_YOK'

【参考方案1】：

在您的silhouette_score 调用中，您计算​​所有成对的欧几里得距离。

如果您的单元格包含字符串值"lisans"，则这是不可能的。

您可能需要先计算成对距离矩阵，然后使用metric="precomputed"。

【讨论】：

不幸的是，使用预计算作为指标也不起作用。仍然给出同样的错误。

您是否预先计算了距离矩阵？当然，仅仅设置选项是不够的。然后，您还需要传递一个适当的距离矩阵，不是数据数组（显然仍然包含"lisans".

我的数据集是 632 行和 12 列。当我计算距离矩阵时，它要求输入 y -> distance_matrix(x, y, p=2, threshold=1000000)。你能解释一下我如何适应我的数据集吗？因为根据文档，x 和 y 是 k 维中 m 和 n 向量的矩阵，但我不明白如何提供输入。

你可能想要 y=x。但是请确保使用您想要的距离函数...否则您将再次获得相同的大小。