LabelEncoder：TypeError：“float”和“str”实例之间不支持“>”答案

【问题标题】：LabelEncoder: TypeError: '>' not supported between instances of 'float' and 'str'LabelEncoder：TypeError：“float”和“str”实例之间不支持“>”
【发布时间】：2018-03-06 12:18:00
【问题描述】：

即使处理缺失值，我也面临多个变量的此错误。例如：

le = preprocessing.LabelEncoder()
categorical = list(df.select_dtypes(include=['object']).columns.values)
for cat in categorical:
    print(cat)
    df[cat].fillna('UNK', inplace=True)
    df[cat] = le.fit_transform(df[cat])
#     print(le.classes_)
#     print(le.transform(le.classes_))


---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-24-424a0952f9d0> in <module>()
      4     print(cat)
      5     df[cat].fillna('UNK', inplace=True)
----> 6     df[cat] = le.fit_transform(df[cat].fillna('UNK'))
      7 #     print(le.classes_)
      8 #     print(le.transform(le.classes_))

C:\Users\paula.ceccon.ribeiro\AppData\Local\Continuum\Anaconda3\lib\site-packages\sklearn\preprocessing\label.py in fit_transform(self, y)
    129         y = column_or_1d(y, warn=True)
    130         _check_numpy_unicode_bug(y)
--> 131         self.classes_, y = np.unique(y, return_inverse=True)
    132         return y
    133 

C:\Users\paula.ceccon.ribeiro\AppData\Local\Continuum\Anaconda3\lib\site-packages\numpy\lib\arraysetops.py in unique(ar, return_index, return_inverse, return_counts)
    209 
    210     if optional_indices:
--> 211         perm = ar.argsort(kind='mergesort' if return_index else 'quicksort')
    212         aux = ar[perm]
    213     else:

TypeError: '>' not supported between instances of 'float' and 'str'

检查导致错误结果的变量：

df['CRM do Médico'].isnull().sum()
0

除了 nan 值之外，还有什么可能导致此错误？

【问题讨论】：

标签： python pandas scikit-learn

【解决方案1】：

这是由于系列 df[cat] 包含具有不同数据类型的元素，例如（字符串和/或浮点数）。这可能是由于读取数据的方式造成的，即数字被读取为浮点数，文本被读取为字符串，或者数据类型为浮点数并在 fillna 操作后更改。

换句话说

pandas数据类型'Object'表示混合类型而不是str类型

所以使用以下行：

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

应该有帮助

【讨论】：

确实如此。你知道为什么吗？我已经使用 dtypes 将它们作为 str 读取。
它很可能与pandas中对象类型的定义有关，对象类型不一定是dtype str。并且 pandas 在插入 NaN 值时强制改变类型
什么是le？哪个包？
@hhh，syDysregulation 很可能执行了以下导入。从 sklearn.preprocessing 导入 LabelEncoder 作为 le 。 .fit_transform 是赠品。
您好，我也有类似的问题。如果你有时间，可以请求你帮助这个相关的帖子吗？ stackoverflow.com/questions/71193740/…

【解决方案2】：

由于字符串数据类型具有可变长度，因此默认存储为对象类型。在处理缺失值后，我也遇到了这个问题。在我的情况下，在标签编码工作之前将所有这些列转换为类型“类别”。

df[cat]=df[cat].astype('category')

然后检查 df.dtypes 并进行标签编码。

【讨论】：

【解决方案3】：

或者使用强制转换为 str 的统一类型

unique, counts = numpy.unique(str(a).split(), return_counts=True)

【讨论】：