Sklearn LabelEncoder 在排序中抛出 TypeError

Posted 2023-03-12

【中文标题】Sklearn LabelEncoder 在排序中抛出 TypeError

【英文标题】：Sklearn LabelEncoder throws TypeError in sort

【发布时间】：2017-10-12 21:26:43

【问题描述】：

我正在使用来自 Kaggle 的 Titanic 数据集学习机器学习。我正在使用 sklearn 的 LabelEncoder 将文本数据转换为数字标签。以下代码适用于“Sex”，但不适用于“Embarked”。

encoder = preprocessing.LabelEncoder()
features["Sex"] = encoder.fit_transform(features["Sex"])
features["Embarked"] = encoder.fit_transform(features["Embarked"])

这是我得到的错误

Traceback (most recent call last):
  File "../src/script.py", line 20, in <module>
    features["Embarked"] = encoder.fit_transform(features["Embarked"])
  File "/opt/conda/lib/python3.6/site-packages/sklearn/preprocessing/label.py", line 131, in fit_transform
    self.classes_, y = np.unique(y, return_inverse=True)
  File "/opt/conda/lib/python3.6/site-packages/numpy/lib/arraysetops.py", line 211, in unique
    perm = ar.argsort(kind='mergesort' if return_index else 'quicksort')
TypeError: '>' not supported between instances of 'str' and 'float'

【参考方案1】：

我自己解决了。问题是特定特征具有 NaN 值。用数值替换它仍然会引发错误，因为它是不同的数据类型。所以我把它换成了一个字符值

 features["Embarked"] = encoder.fit_transform(features["Embarked"].fillna('0'))

【讨论】：

我用“S”就地填充了缺失值。但我仍然得到错误。

【参考方案2】：

试试这个函数，你需要传递一个 Pandas 数据框。它将查看您的列的类型并进行编码。所以你甚至不需要自己检查类型。

def encoder(data):
'''Map the categorical variables to numbers to work with scikit learn'''
for col in data.columns:
    if data.dtypes[col] == "object":
        le = preprocessing.LabelEncoder()
        le.fit(data[col])
        data[col] = le.transform(data[col])
return data