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

Question

对于多个变量，甚至处理丢失的值，我都面临这个错误。 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'

检查导致错误的变量将导致：

df['CRM do Médico'].isnull().sum()
0

除了nan值之外，是什么导致了这个错误？

Answer 1

这是由于序列df[cat]包含的元素具有不同的数据类型，例如（字符串和/或浮点）。这可能是由于数据的读取方式，即数字作为浮点读取，文本作为字符串读取，或者数据类型是浮点的，并在fillna操作后更改。

换句话说

pandas data type 'Object' indicates mixed types rather than str type

因此，使用以下行：

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

应该会有帮助

Answer 2

或者使用一个带有分裂到均匀类型str的cast

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

Answer 3

由于字符串数据类型具有可变长度，因此它默认存储为对象类型。在处理了丢失的值之后，我也遇到了这个问题。在我的例子中，在标签编码工作之前，将所有这些列转换为类型“category”。

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

然后检查df.dtypes并执行标签编码。