Scikit-learn 管道类型错误：zip 参数 #2 必须支持迭代

Posted 2023-03-12

【中文标题】Scikit-learn 管道类型错误：zip 参数 #2 必须支持迭代

【英文标题】：Scikit-learn pipeline TypeError: zip argument #2 must support iteration

【发布时间】：2019-09-11 14:03:51

【问题描述】：

我正在尝试为 sklearn 管道创建一个自定义转换器，它将提取特定文本的平均字长，然后在其上应用标准缩放器以标准化数据集。我正在向管道传递一系列文本。

class AverageWordLengthExtractor(BaseEstimator, TransformerMixin):

    def __init__(self):
        pass
    def average_word_length(self, text):
        return np.mean([len(word) for word in text.split( )])
    def fit(self, x, y=None):
        return self
    def transform(self, x , y=None):
        return pd.DataFrame(pd.Series(x).apply(self.average_word_length))

然后我创建了一个这样的管道。

pipeline = Pipeline(['text_length', AverageWordLengthExtractor(), 
                         'scale', StandardScaler()])

当我在这个管道上执行 fit_transform 时，我得到了错误，

 File "custom_transformer.py", line 48, in <module>
    main()
  File "custom_transformer.py", line 43, in main
    'scale', StandardScaler()])
  File "/opt/conda/lib/python3.6/site-packages/sklearn/pipeline.py", line 114, in __init__
    self._validate_steps()
  File "/opt/conda/lib/python3.6/site-packages/sklearn/pipeline.py", line 146, in _validate_steps
    names, estimators = zip(*self.steps)
TypeError: zip argument #2 must support iteration

【问题讨论】：

请提供Series的结构和执行流程。

@sentence，我正在传递一个熊猫系列，有一列，例如消息（栏名） 天气更新 - 来自古巴的冷锋可能会经过海地 飓风结束还是没有结束 正在寻找某人但没有名字 联合国报告 Leogane 80-90 被摧毁。只有圣克罗伊医院运作。急需物资。说：海地西部，今天和今晚该国其他地区有关故宫的信息-请，我们需要帐篷和水。我们在筒仓，谢谢！ >> 现在，我只是想把它传递给不起作用的管道。

@anidev711 您需要其他帮助吗？

是的，@JanK 你的回答确实帮助解决了这个问题，但现在我又遇到了另一个错误。 File "custom_transformer.py", line 48, in <module> main() File "custom_transformer.py", line 43, in main 'scale', StandardScaler())]) File "/opt/conda/lib/python3.6/site-packages/sklearn/pipeline.py", line 114, in __init__ self._validate_steps() File "/opt/conda/lib/python3.6/site-packages/sklearn/pipeline.py", line 146, in _validate_steps names, estimators = zip(*self.steps) ValueError: too many values to unpack (expected 2)

@anidev711 如果您认为新错误无关，请考虑创建一个新问题并将其标记为已回答。

【参考方案1】：

Pipeline 构造函数需要一个参数steps，它是一个元组列表。

修正版：

pipeline = Pipeline([('text_length', AverageWordLengthExtractor()), 
                     ('scale', StandardScaler())])

更多信息在官方docs.