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).
Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la
Ce înseamnă
Când primește un DataFrame, scikit-learn memorează numele coloanelor (feature_names_in_), ca să verifice la predict că primești aceleași coloane. Pentru asta, toate numele trebuie să fie text. Dacă unele sunt text și altele numere, modelul refuză tabelul și îți spune ce tipuri a găsit: ['int', 'str'].
Cazul clasic: transformi o coloană categorică cu OneHotEncoder, rezultatul e un tablou numpy, îl faci DataFrame fără columns=, deci primește coloanele 0, 1, 2, apoi îl lipești cu pd.concat lângă coloanele numerice care au nume. Mesajul complet îți propune și soluția: X.columns = X.columns.astype(str). Mai curat este să dai coloanelor nume reale cu enc.get_feature_names_out() sau să folosești un ColumnTransformer.
De ce apare: cauzele frecvente
1Rezultatul lui OneHotEncoder lipit fără nume
oh = pd.DataFrame(enc.fit_transform(df[["oras"]]))
X = pd.concat([df[["suprafata"]], oh], axis=1)
model.fit(X, y)oh = pd.DataFrame(enc.fit_transform(df[["oras"]]),
columns=enc.get_feature_names_out())
X = pd.concat([df[["suprafata"]], oh], axis=1)
model.fit(X, y)get_feature_names_out() dă nume ca oras_Cluj, deci toate coloanele au nume text.
2Varianta rapidă: convertește numele în text
X = pd.concat([df[["suprafata"]], pd.DataFrame(np.eye(3))], axis=1)
model.fit(X, y)X = pd.concat([df[["suprafata"]], pd.DataFrame(np.eye(3))], axis=1)
X.columns = X.columns.astype(str)
model.fit(X, y)După astype(str) coloanele 0, 1, 2 devin "0", "1", "2", iar toate numele sunt text. Funcționează, dar numele nu spun nimic.
3Tot pasul făcut de ColumnTransformer
X = pd.concat([df[["suprafata"]], pd.DataFrame(enc.fit_transform(df[["oras"]]))], axis=1)ct = ColumnTransformer([("oras", OneHotEncoder(), ["oras"])], remainder="passthrough")
model = make_pipeline(ct, LinearRegression()).fit(df[["suprafata", "oras"]], y)ColumnTransformer face codificarea și lipirea pentru tine, iar același pas e aplicat automat și la predict.
Repară eroarea, direct în pagină
Codul de mai jos dă TypeError: Feature names are only supported if all input features have string names, pentru că coloanele create de OneHotEncoder primesc numele 0, 1, 2. Repară-l: dă-le numele din enc.get_feature_names_out(), ca programul să afișeze coloanele lui X și prețul estimat.
import pandas as pd
from sklearn.linear_model import LinearRegression
from sklearn.preprocessing import OneHotEncoder
df = pd.DataFrame({
"suprafata": [50, 60, 70, 50, 60, 70],
"oras": ["Cluj", "Cluj", "Cluj", "Iasi", "Iasi", "Iasi"],
"pret": [110, 130, 150, 90, 110, 130],
})
enc = OneHotEncoder(sparse_output=False)
oh = pd.DataFrame(enc.fit_transform(df[["oras"]]))
X = pd.concat([df[["suprafata"]], oh], axis=1)
model = LinearRegression().fit(X, df["pret"])
print("Coloane:", list(X.columns))
print("Pret 65 m2 in Cluj:", round(model.predict(X.iloc[[0]].assign(suprafata=65))[0], 1))Coloane: ['suprafata', 'oras_Cluj', 'oras_Iasi'] Pret 65 m2 in Cluj: 140.0
Indiciu
La pd.DataFrame(...) pentru rezultatul encoderului adaugă columns=enc.get_feature_names_out().
Reparația
import pandas as pd
from sklearn.linear_model import LinearRegression
from sklearn.preprocessing import OneHotEncoder
df = pd.DataFrame({
"suprafata": [50, 60, 70, 50, 60, 70],
"oras": ["Cluj", "Cluj", "Cluj", "Iasi", "Iasi", "Iasi"],
"pret": [110, 130, 150, 90, 110, 130],
})
enc = OneHotEncoder(sparse_output=False)
oh = pd.DataFrame(enc.fit_transform(df[["oras"]]), columns=enc.get_feature_names_out())
X = pd.concat([df[["suprafata"]], oh], axis=1)
model = LinearRegression().fit(X, df["pret"])
print("Coloane:", list(X.columns))
print("Pret 65 m2 in Cluj:", round(model.predict(X.iloc[[0]].assign(suprafata=65))[0], 1))De ce merge
Fără columns=, DataFrame-ul encoderului avea coloanele 0 și 1 (numere), iar lângă suprafata (text) rezulta un amestec pe care scikit-learn nu-l acceptă. Cu get_feature_names_out() coloanele se numesc oras_Cluj și oras_Iasi, toate numele sunt text, iar modelul le memorează și le verifică la predict. În date, prețul crește cu 2 pe metru pătrat, iar Clujul e cu 20 mai scump, deci 65 m² în Cluj înseamnă 140.
Alte forme ale mesajului
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. If you want feature names to be stored and validated, you must convert them all to strings, by using X.columns = X.columns.astype(str) for example. Otherwise you can remove feature / column names from your input data, or convert them all to a non-string data type.TypeError: Feature names only support names that are all strings. Got feature names with dtypes: ['int', 'str']. An error will be raised in 1.2.
Cum o eviți pe viitor
Nu crea DataFrame-uri din rezultatul unui encoder fără columns=enc.get_feature_names_out(). Și mai bine, lasă ColumnTransformer să combine coloanele numerice cu cele codificate. Înainte de fit, o privire la X.columns.tolist() îți arată imediat dacă ai nume ca 0, 1, 2 amestecate cu nume reale.
Întrebări frecvente
De ce funcționa codul ăsta într-o versiune mai veche?
În versiunile 1.0 și 1.1 scikit-learn dădea doar un FutureWarning pentru amestecul de nume. Din versiunea 1.2 este o eroare.
Pot da modelului un DataFrame cu toate coloanele numerotate?
Da. Dacă toate numele sunt numere, scikit-learn nu le mai memorează ca nume și tratează tabelul ca pe un tablou numpy. Problema apare doar la amestec.
Erori înrudite
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"). 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_]. 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. 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.
