在数字sklearn python中转换所有非数字列

问题描述

我正在尝试将所有非数字列转换为数字数据类型，但是会通过错误

TypeError：参数必须是字符串或数字

for column in clean_df.columns:
  if clean_df[column].dtype == np.number:
    continue
  clean_df[column] = LabelEncoder.fit_transform(clean_df[column])

TypeError：fit_transform（）缺少1个必需的位置参数：“ y”

解决方法

您可以将列转换为like（.toarray（））。返回具有相同形状和相同表示数据的数组。

for column in clean_df.columns:
    if clean_df[column].dtype == np.number:
       continue
    clean_df[column] = LabelEncoder().fit_transform(clean_df[column]).toarray()

,

    import numpy as np
    X = clean_df.select_dtypes(include=[np.object])
    #For loop to loop one by one with col type object
    for col in X.columns:
        X[col]=pd.Categorical(X[col],categories=clean_df[col].dropna().unique())
        #creating dummy variable
        X_col = pd.get_dummies(X[col])
        X = X.drop(col,axis=1)
        X_col.columns = X_col.columns.tolist()
        frames = [X_col,X] 
        X = pd.concat(frames,axis=1)

您可以尝试！