标签编码器中如何解决“参数必须是字符串或数字”？

问题描述

我的数据集（例如，dataset_train）具有43个分类特征，我想在每个列中应用LabelEncoder。 在这里，我得到了所有分类功能：categorical_features = [features for features in dataset_train.columns if dataset_train[features].dtype == 'O']

现在将创建一个类来执行多种标签编码：

class MultiColumnLabelEncoder:
def __init__(self,columns = None):
    self.columns = columns # array of column names to encode

def fit(self,X,y=None):
    return self # not relevant here

def transform(self,X):
    output = X.copy()
    if self.columns is not None:
        for col in self.columns:
            output[col] = LabelEncoder().fit_transform(output[col])
    else:
        for colname,col in output.iteritems():
            output[colname] = LabelEncoder().fit_transform(col)
    return output

def fit_transform(self,y=None):
    return self.fit(X,y).transform(X)

现在执行后：

from sklearn.preprocessing import LabelEncoder

dataset_train = MultiColumnLabelEncoder(columns = categorical_features).fit_transform(dataset_train)  

它向我展示：

TypeError: argument must be a string or number

请注意-NaN值以前也已处理。

如何处理这种情况？

解决方法

好，解决了。 我的categorical_features之一只有一个NaN值。

以前，我在下面的代码中编写了此代码，以获取包含NaN值的categorical_features： categorical_features = [ feature for feature in dataset_train.columns if dataset_train[feature].isnull().sum() > 1 and dataset_train[feature].dtype == 'O' ]

这就是为什么我得到那些在其列中具有多个缺失值的功能的原因。

这就是为什么我遇到这个错误。

现在，在将上面的代码修改为： categorical_features = [ feature for feature in dataset_train.columns if dataset_train[feature].isnull().sum() >= 1 and dataset_train[feature].dtype == 'O' ]

现在，即使有单个NaN值，我也能得到每一列。

它可以为我在问题中提到的MultiColumnLabelEncoder执行以上代码。

感谢合作♥️。