我有一个数据集中的列，包含分类值，我希望将它们转换为数值。我尝试使用LabelEncoder，但这样做时遇到了错误。

from sklearn.preprocessing import LabelEncoderm = hsp_train["Alley"]m_enc = LabelEncoder()j = m_enc.fit_transform(m)

我得到的错误是：

unorderable types: float() > str()

该列的系列有3个值。我希望它们分别转换为0、1、2，但却得到了上述错误。

我也尝试了这个方法：

l = hsp_train["Alley"]l_enc = pd.factorize(l)hsp_train["Alley"] = l_enc[0]

但这给我返回了-1、1、2这样的值。我希望从1开始，而不是这样。

回答：

很明显，你的系列中存在缺失值。如果你想从你的系列中删除NaN值，只需执行hsp_train["Alley"].dropna()即可。

举例说明：

df = pd.DataFrame({'Categorical': ['apple', 'mango', 'apple',                                    'orange', 'mango', 'apple',                                    'orange', np.NaN]})

使用LabelEncoder对分类标签进行编码：

enc = LabelEncoder()enc.fit_transform(df['Categorical'])

结果是：

TypeError: unorderable types: float() > str()

使用pd.factorize时，默认会将缺失值自动赋值为-1，因此你会得到这样的值：

pd.factorize(df['Categorical'])[0]array([ 0,  1,  0,  2,  1,  0,  2, -1])

如果你不希望NAN值被识别，并且希望它们被视为任何字符串，你可以在读取过程中使用na_filter来实现：

df = pd.read_csv(data, na_filter=False, ...)

这也大幅提高了读取相对较大文件的性能。

或者，你可以使用fillna将所有NaN值填充为你选择的字符串：

df.fillna('Na', inplace=True)

这会将所有NaN值替换为你的字符串值”Na”，然后你可以继续之前的操作。