...
Eroare Machine Learning · Date lipsă, text și valori invalide

TypeError: Encoders require their input argument must be uniformly strings or numbers. Got ['int', 'str']

Pe scurt

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

Greșit
PYTHON
df = pd.DataFrame({"etaj": [1, "parter", 2]})
OneHotEncoder().fit(df[["etaj"]])
Corect
PYTHON
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

Greșit
PYTHON
OrdinalEncoder().fit(df[["etaj"]])  # 1, "parter", 2
Corect
PYTHON
df["etaj"] = df["etaj"].replace("parter", 0).astype(int)
# etajul rămâne o coloană numerică, fără encoder

Dacă 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

Greșit
PYTHON
df = pd.concat([vechi, nou])  # cod: 101 în vechi, "101" în nou
OneHotEncoder().fit(df[["cod"]])
Corect
PYTHON
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 tu

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.

Codul care dă eroarea
PYTHON
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)
După reparație, programul afișează
Categorii: ['1', '2', 'parter']
Forma: (5, 3)
Indiciu

Adaugă df["etaj"] = df["etaj"].astype(str) înainte de fit_transform.

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

← Toate erorile Machine Learning

Tudor Andrei Dumitrescu
Cine a explicat eroarea

Tudor Andrei Dumitrescu

Senior Software Developer · fondatorul Academiei Programatorilor

LinkedIn
  1. 2019 Junior JavaCognizant Softvision
  2. 2021 Mid JavaCognizant Softvision
  3. 2022 Team LeaderEndava
  4. 2023 Senior Software DeveloperUniCredit
  5. Acum Senior Software DeveloperHCLTech
Certificat de absolvire Instructor / Preparator formare, Tudor Andrei Dumitrescu
Certificat de formator autorizatMinisterul Muncii și Ministerul Educației · 2022
Certificat de absolvire Instructor / Preparator formare, Tudor Andrei Dumitrescu

Certificat de formator autorizat · Ministerul Muncii și Ministerul Educației · 2022

Din 2020 construiește Academia Programatorilor, iar din 2026 și JoburiIT.ro. Fiecare eroare de aici a fost reprodusă în editorul nostru: codul greșit chiar dă mesajul din titlu, iar reparația chiar funcționează.

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.