AttributeError: 'numpy.ndarray' object has no attribute 'columns'
transform și fit_transform (StandardScaler, SimpleImputer, OneHotEncoder) întorc un tablou numpy, nu un DataFrame, deci nu mai ai .columns, .loc sau nume de coloane. Refă DataFrame-ul cu pd.DataFrame(X, columns=X_vechi.columns) sau cere ieșire pandas cu set_output(transform="pandas").
Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la
Ce înseamnă
Ai pornit de la un DataFrame, l-ai trecut printr-un transformer din scikit-learn și ai încercat să folosești rezultatul ca pe un DataFrame. Implicit, transformerele întorc un numpy.ndarray: doar numere, fără nume de coloane și fără index. Mesajul îți spune exact asta: obiectul este un tablou numpy și nu are atributul columns.
Aceeași cauză dă și 'numpy.ndarray' object has no attribute 'loc', ... 'head' sau ... 'iloc'. Ai două variante: refaci DataFrame-ul cu numele vechi (pd.DataFrame(X_sc, columns=X.columns, index=X.index)) sau îi spui transformerului să întoarcă direct pandas, cu scaler.set_output(transform="pandas"). A doua variantă funcționează și în Pipeline și ColumnTransformer și păstrează numele generate (de exemplu oras_Cluj).
De ce apare: cauzele frecvente
1Rezultatul lui StandardScaler folosit ca DataFrame
X_sc = StandardScaler().fit_transform(X)
print(X_sc.columns)X_sc = StandardScaler().set_output(transform="pandas").fit_transform(X)
print(X_sc.columns)Cu set_output(transform="pandas") transformerul întoarce un DataFrame cu aceleași coloane și același index.
2Selecție de coloane după transformare
X_imp = SimpleImputer().fit_transform(df)
X_imp["varsta"].mean()X_imp = pd.DataFrame(SimpleImputer().fit_transform(df), columns=df.columns)
X_imp["varsta"].mean()Refăcând DataFrame-ul cu numele vechi poți selecta din nou coloanele după nume.
3Ai suprascris DataFrame-ul cu rezultatul transformării
X = scaler.fit_transform(X)
model.fit(X[["suprafata"]], y)X_sc = scaler.fit_transform(X)
model.fit(X_sc[:, [0]], y)Pe un tablou numpy selectezi coloanele după poziție ([:, 0]), nu după nume. Sau păstrează un nume nou pentru rezultat, ca să nu pierzi DataFrame-ul.
Repară eroarea, direct în pagină
Codul de mai jos dă AttributeError: 'numpy.ndarray' object has no attribute 'columns', pentru că StandardScaler întoarce un tablou numpy. Repară-l: cere scalerului ieșire pandas, ca programul să afișeze numele coloanelor și media fiecărei coloane scalate.
import pandas as pd
from sklearn.preprocessing import StandardScaler
X = pd.DataFrame({
"suprafata": [40, 55, 70, 85, 100],
"camere": [1, 2, 2, 3, 4],
})
X_sc = StandardScaler().fit_transform(X)
print("Coloane:", list(X_sc.columns))
print("Medii:", X_sc.mean().round(2).tolist())Coloane: ['suprafata', 'camere'] Medii: [0.0, 0.0]
Indiciu
Folosește StandardScaler().set_output(transform="pandas").
Reparația
import pandas as pd
from sklearn.preprocessing import StandardScaler
X = pd.DataFrame({
"suprafata": [40, 55, 70, 85, 100],
"camere": [1, 2, 2, 3, 4],
})
X_sc = StandardScaler().set_output(transform="pandas").fit_transform(X)
print("Coloane:", list(X_sc.columns))
print("Medii:", X_sc.mean().round(2).abs().tolist())De ce merge
Implicit, fit_transform întoarce un numpy.ndarray, care nu are nume de coloane. Cu set_output(transform="pandas") scalerul întoarce un DataFrame cu aceleași coloane, deci X_sc.columns și X_sc.mean() funcționează ca înainte. Media fiecărei coloane standardizate este 0, exact ce face StandardScaler (abs() doar ascunde semnul lui -0.0 la afișare).
Alte forme ale mesajului
AttributeError: 'numpy.ndarray' object has no attribute 'loc'AttributeError: 'numpy.ndarray' object has no attribute 'head'AttributeError: 'numpy.ndarray' object has no attribute 'iloc'
Cum o eviți pe viitor
Ține minte regula: tot ce iese din transform, fit_transform și predict este, implicit, numpy. Dacă vrei să rămâi în pandas, pune set_output(transform="pandas") pe transformer sau pe Pipeline, o singură dată, sau activează-l global cu sklearn.set_config(transform_output="pandas"). Și nu suprascrie variabila X cu rezultatul: folosește un nume nou, ca X_sc.
Întrebări frecvente
Merge set_output și cu OneHotEncoder?
Da, dar doar cu sparse_output=False, pentru că pandas nu acceptă matrici rare în ieșirea aceasta. Coloanele primesc nume ca oras_Cluj.
De ce scikit-learn întoarce numpy și nu pandas?
Din motive istorice și de viteză: modelele lucrează intern cu tablouri numpy. Ieșirea pandas a fost adăugată mai târziu, ca opțiune, prin set_output.
Erori înrudite
TypeError: Feature names are only supported if all input features have string names, but your input has ['int', 'str'] as feature name / column name types. DataFrame-ul dat modelului are coloane cu nume de tipuri diferite: unele text ("suprafata"), altele numere (0, 1, 2), de obicei după un pd.concat cu rezultatul unui encoder. Dă nume text tuturor coloanelor, de exemplu cu get_feature_names_out(), sau X.columns = X.columns.astype(str). UserWarning: X does not have valid feature names, but LinearRegression was fitted with feature names Ai antrenat modelul pe un DataFrame (cu nume de coloane), dar la predict i-ai dat o listă sau un tablou numpy, fără nume. E doar un avertisment. Dă la predict tot un DataFrame cu aceleași coloane, de exemplu pd.DataFrame({'suprafata': [70]}). ValueError: The feature names should match those that were passed during fit. Modelul a fost antrenat pe un DataFrame cu anumite coloane, iar la predict primește coloane cu alte nume sau în altă ordine. Construiește datele noi cu exact aceleași nume de coloane, în aceeași ordine, de exemplu cu X_nou[model.feature_names_in_]. Învață Machine Learning de la zero, cu exerciții la fiecare lecție
Curs Machine Learning și AI pentru începători: lecții scurte, fiecare cu un exercițiu verificat automat, direct în browser. Primele 15 lecții sunt gratuite.
