python - 值错误: could not convert string to float: 'n'

Question

您好，我正在关注 Udemy 上的视频。我们正在尝试应用随机森林分类器。在此之前，我们将数据框中的一列转换为字符串。 “Cabin”列表示诸如“4C”之类的值，但为了减少唯一值的数量，我们希望仅使用第一个数字来映射到新列“Cabin_mapped”。

data['Cabin_mapped'] = data['Cabin'].astype(str).str[0]
# this transforms the letters into numbers
cabin_dict = {k:i for i, k in enumerate(
    data['Cabin_mapped'].unique(),0)}

data.loc[:,'Cabin_mapped'] =  data.loc[:,'Cabin_mapped'].map(cabin_dict)

data[['Cabin_mapped', 'Cabin']].head() 

下面这部分只是将数据分为训练集和测试集。参数对于解决问题并不重要。

X_train_less_cat, X_test_less_cat, y_train, y_test = \
    train_test_split(data[use_cols].fillna(0), data.Survived, 
                     test_size = 0.3, random_state=0) 

在拟合后我收到一个错误，说我无法将字符串转换为 float 。 rf = RandomForestClassifier(n_estimators=200, random_state=39) rf.fit(X_train_less_cat, y_train)

似乎我需要将其中一个输入转换回 float 才能使用随机森林算法。尽管错误没有出现在教程视频中，但还是出现了这种情况。如果有人能帮助我，那就太好了。

Answer 1

这是完整的示例 - 我已经突出显示了您缺少的部分。您需要将每一列转换为数字，而不仅仅是“小屋”。

!wget https://raw.githubusercontent.com/agconti/kaggle-titanic/master/data/train.csv

import pandas as pd

data = pd.read_csv("train.csv")




data['Cabin_mapped'] = data['Cabin'].astype(str).str[0]
# this transforms the letters into numbers
cabin_dict = {k:i for i, k in enumerate(
    data['Cabin_mapped'].unique(),0)}

data.loc[:,'Cabin_mapped'] =  data.loc[:,'Cabin_mapped'].map(cabin_dict)

data[['Cabin_mapped', 'Cabin']].head()


from sklearn.ensemble import RandomForestClassifier
from sklearn.cross_validation import train_test_split


## YOU ARE MISSING THIS BIT, some of your columns are still strings
## they need to be converted to numbers (ints OR floats)
for n,v in data.items():
    if v.dtype == "object":
        data[n] = v.factorize()[0]
## END of the bit you're missing

use_cols = data.drop("Survived",axis=1).columns

X_train_less_cat, X_test_less_cat, y_train, y_test = \
    train_test_split(data[use_cols].fillna(0), data.Survived, 
                    test_size = 0.3, random_state=0) 


rf = RandomForestClassifier(n_estimators=200, random_state=39)
rf.fit(X_train_less_cat, y_train)