类型错误：参数必须是字符串或数字。

Question

类型错误：参数必须是字符串或数字。

4

我正在使用以下代码：

cat_cols = ['MSZoning','Alley','LotShape','LandContour','Utilities','LotConfig','LandSlope','Neighborhood','Condition1','Condition2','BldgType','HouseStyle','RoofStyle','RoofMatl','Exterior1st','Exterior2nd','MasVnrType','ExterQual','ExterCond','Foundation','BsmtQual','BsmtCond','BsmtExposure','BsmtFinType1','BsmtFinType2','Heating','HeatingQC','CentralAir','Electrical','KitchenQual','Functional','FireplaceQu','GarageType','GarageFinish','GarageQual','GarageCond','PavedDrive','PoolQC','Fence','MiscFeature','SaleType','SaleCondition']

from sklearn.preprocessing import LabelEncoder
le=LabelEncoder()

for col in cat_cols:
    if col in dataset_train.columns:
        i = dataset_train.columns.get_loc(col)
        dataset_train.iloc[:,i] =le.fit_transform(dataset_train.iloc[:,i])

它会出现以下错误：

TypeError：参数必须是字符串或数字。

- Mamta Gupta

2

请始终将完整的错误消息（从“Traceback”一词开始）作为文本（而不是屏幕截图）放在问题中（而不是评论），因为还有其他有用的信息。 - furas

如果出现错误显示“参数必须是字符串或数字”，那么请检查您的变量中有什么。 - furas

如果单元格中有例如list，我就会遇到这个错误 - 例如dataset_train = pd.DataFrame({'Alley':[['A','B','C']]}) - 因此在某些列中，您可能有无法编码的值 - 您至少可以使用print(col)来查看哪一列出现了问题。 - furas

顺便说一句：对于每一列，您应该创建单独的“LabelEncoder” - 如果您将相同的“LabelEncoder”用于两个列，则会删除旧值，并且无法使用它将列编码回原始值。 - furas

看起来这个问题在这里得到了更好的回答：SciKit-Learn标签编码器导致错误“参数必须是字符串或数字”。 - Alexandre Pereira

显示剩余2条评论

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Rupanjan Nayak · Accepted Answer

以下是解决问题的方法：

这是我编写的代码。（附注：幸运的是，我有房价预测数据集:D）

from sklearn.preprocessing import LabelEncoder

path="....\house pricing"
filepath=os.path.join(path,"train.csv")

dataset_train=pd.read_csv(filepath)
dataset_train

cat_features=[x for x in dataset_train.columns if dataset_train[x].dtype=="object"]

le=LabelEncoder()

for col in cat_features:
    if col in dataset_train.columns:
        i = dataset_train.columns.get_loc(col)
        dataset_train.iloc[:,i] = dataset_train.apply(lambda i:le.fit_transform(i.astype(str)), axis=0, result_type='expand')

因此，你只需要修改这个部分：

dataset_train.iloc[:,i] =le.fit_transform(dataset_train.iloc[:,i])

with

dataset_train.iloc[:,i] = dataset_train.apply(lambda i:le.fit_transform(dataset_train[i].astype(str)), axis=0, result_type='expand')

上述Lambda函数将每个列及其数据点（按行< strong>轴=0 ）转换为“str”，然后通过“fit_transform”将其传递到“le”或LableEncoder函数进行LabelEncode。