SciKit-Learn 标签编码器导致错误“参数必须是字符串或数字”

Posted 2023-03-12

【中文标题】SciKit-Learn 标签编码器导致错误“参数必须是字符串或数字”

【英文标题】：SciKit-Learn Label Encoder resulting in error 'argument must be a string or number'

【发布时间】：2020-03-11 02:08:33

【问题描述】：

我有点困惑 - 在这里创建一个 ML 模型。

我正处于尝试从“大型”数据框（180 列）中获取分类特征并对其进行一次性处理的步骤，以便找到特征之间的相关性并选择“最佳”特征.

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)

运行时出现以下错误：

TypeError: ('argument must be a string or number', 'occurred at index LockTenor')

所以我前往 LockTenor 字段并查看所有不同的值：

df.LockTenor.unique()

这会导致以下结果：

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

在我看来就像所有的字符串和数字。错误是因为它是浮点数而不一定是 INT 引起的吗？

【问题讨论】：

您好。如果将 df.apply(lambda col: le.fit_transform(col)) 更改为 df.apply(lambda col: LabelEncoder().fit_transform(col)) 会发生什么？我想知道您的编码器是否对随后的 fit_transform 调用感到困惑，因为它没有被重新初始化。

【参考方案1】：

试试这个：

df[cat] = le.fit_transform(df[cat].astype(str))

【参考方案2】：

您收到此错误是因为您确实有浮点 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数。但是，您将收到您为df2 报告的错误。

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

df2 = df2.apply(lambda col: le.fit_transform(col.astype(str)), axis=0, result_type='expand')

作为附加建议，我建议您查看您的数据，看看它们是否正确。对我来说，在同一列中混合使用浮点数和字符串有点奇怪。

最后，我想指出sci-kit's LabelEncoder performs a simple encoding of variables，它确实不执行one-hot编码。如果你想这样做，我建议你看看OneHotEncoder

【讨论】：

感谢您的成功！ z 是我的 NAN 替代品 :)

有趣的选择。我建议你使用 numpy 的 np.nan 或 pandas 的 pd.NA（从 1.0 开始）。这样，您可以使用更多轻松处理缺失值的函数（例如fillna

您好，我也有类似的问题。如果您有时间，可以在此相关帖子上请求您的帮助吗？ ***.com/questions/71193740/…