TypeError: Encoders require their input argument must be uniformly strings or numbers. Got ['int', 'str']
Coloana dată lui OneHotEncoder, OrdinalEncoder sau LabelEncoder amestecă numere cu text (de exemplu 1, 2 și "parter"). Encoderul trebuie să poată sorta valorile, deci toate trebuie să fie de același tip: convertește coloana cu astype(str) sau înlocuiește textul cu un număr.
Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la
Ce înseamnă
Encoderele din scikit-learn sortează categoriile găsite la fit. Python nu poate compara un int cu un str (1 < "parter" dă eroare), așa că encoderul verifică întâi tipurile și se oprește cu mesajul acesta. Lista de la final, Got ['int', 'str'], îți spune ce tipuri a găsit amestecate în coloană.
Situația apare des la date introduse de oameni: o coloană etaj cu 1, 2, 3 și "parter", o coloană cod în care unele valori au fost citite ca numere, altele ca text, sau o coloană construită dintr-un concat de două tabele cu tipuri diferite. În pandas coloana are dtype object, care poate ține orice. Uită-te cu df["col"].map(type).value_counts() ce tipuri există și alege o singură reprezentare.
De ce apare: cauzele frecvente
1Numere și text în aceeași coloană
df = pd.DataFrame({"etaj": [1, "parter", 2]})
OneHotEncoder().fit(df[["etaj"]])df["etaj"] = df["etaj"].astype(str)
OneHotEncoder().fit(df[["etaj"]])După astype(str) toate valorile sunt text ("1", "parter", "2"), deci encoderul le poate sorta.
2Textul are de fapt un echivalent numeric
OrdinalEncoder().fit(df[["etaj"]]) # 1, "parter", 2df["etaj"] = df["etaj"].replace("parter", 0).astype(int)
# etajul rămâne o coloană numerică, fără encoderDacă valorile au o ordine naturală, e mai bine să le faci numere și să le dai direct modelului.
3Două surse cu tipuri diferite lipite cu concat
df = pd.concat([vechi, nou]) # cod: 101 în vechi, "101" în nou
OneHotEncoder().fit(df[["cod"]])vechi["cod"] = vechi["cod"].astype(str)
df = pd.concat([vechi, nou])
OneHotEncoder().fit(df[["cod"]])Aducând coloana la același tip înainte de lipire, 101 și "101" devin aceeași categorie, nu două.
Repară eroarea, direct în pagină
Codul de mai jos dă TypeError: Encoders require their input argument must be uniformly strings or numbers. Got ['int', 'str'], pentru că în coloana etaj apar și numere, și textul parter. Repară-l: transformă coloana în text înainte de OneHotEncoder, ca programul să afișeze categoriile găsite și forma rezultatului.
import pandas as pd
from sklearn.preprocessing import OneHotEncoder
df = pd.DataFrame({"etaj": [1, "parter", 2, 1, "parter"]}, dtype=object)
enc = OneHotEncoder(sparse_output=False)
X = enc.fit_transform(df[["etaj"]])
print("Categorii:", enc.categories_[0].tolist())
print("Forma:", X.shape)Categorii: ['1', '2', 'parter'] Forma: (5, 3)
Indiciu
Adaugă df["etaj"] = df["etaj"].astype(str) înainte de fit_transform.
Reparația
import pandas as pd
from sklearn.preprocessing import OneHotEncoder
df = pd.DataFrame({"etaj": [1, "parter", 2, 1, "parter"]}, dtype=object)
df["etaj"] = df["etaj"].astype(str)
enc = OneHotEncoder(sparse_output=False)
X = enc.fit_transform(df[["etaj"]])
print("Categorii:", enc.categories_[0].tolist())
print("Forma:", X.shape)De ce merge
OneHotEncoder sortează categoriile, iar Python nu poate compara 1 cu "parter". După astype(str) toate valorile sunt texte: "1", "2" și "parter", care se sortează alfabetic (cifrele vin înaintea literelor). Rezultă trei categorii, deci trei coloane 0/1 pentru cele cinci rânduri, adică forma (5, 3).
Alte forme ale mesajului
TypeError: Encoders require their input argument must be uniformly strings or numbers. Got ['float', 'str']TypeError: Encoders require their input to be uniformly strings or numbers. Got ['int', 'str']
Cum o eviți pe viitor
Verifică tipurile coloanelor categorice imediat după citire: df["col"].map(type).value_counts() arată dacă ai amestec. Hotărăște pentru fiecare coloană dacă e număr sau categorie și convertește-o explicit (astype(str) sau pd.to_numeric). La citirea din CSV poți fixa tipul de la început cu pd.read_csv(..., dtype={"cod": str}).
Întrebări frecvente
NaN în coloana de text dă și el eroarea asta?
În versiunile recente, nu: NaN și None sunt tratate ca valoare lipsă și apar ca o categorie separată. Mesajul apare când ai valori reale de tipuri diferite, cum ar fi numere și text.
De ce coloana mea are tipul object, deși arată doar numere?
Ajunge o singură valoare text (un spațiu, "-", "n/a") ca pandas să păstreze toată coloana ca object. Caută valorile acelea cu pd.to_numeric(df["col"], errors="coerce").isna().
Erori înrudite
ValueError: Found unknown categories ['Iasi'] in column 0 during transform OneHotEncoder a văzut la fit doar anumite categorii, iar la transform (pe test sau pe date noi) apare una nouă, aici 'Iasi'. Creează encoderul cu handle_unknown='ignore', ca valorile noi să devină un rând de zerouri, sau antrenează-l pe date care conțin toate categoriile. ValueError: could not convert string to float: 'Bucuresti' În X ai o coloană cu text (de exemplu orașul), iar modelul acceptă doar numere. Transformă coloanele de text în numere înainte de fit, cu pd.get_dummies sau OneHotEncoder, sau scoate-le din X dacă nu ai nevoie de ele. ValueError: dtype='numeric' is not compatible with arrays of bytes/strings.Convert your data to numeric values explicitly instead. Ai dat modelului o listă sau un tablou numpy care conține texte, de exemplu ['Bucuresti', 50]. scikit-learn nu le transformă singur în numere. Codifică textul (OneHotEncoder, get_dummies) sau convertește valorile numerice scrise ca text cu astype(float). 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.
