...
Eroare Machine Learning · Encodere, ColumnTransformer și Pipeline

ValueError: A given column is not a column of the dataframe

Pe scurt

Ai dat unui ColumnTransformer o listă de coloane în care cel puțin un nume nu există în DataFrame (greșeală de scriere, diacritice, spații, coloană redenumită). Compară lista cu df.columns.tolist() și corectează numele.

Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la

Ce înseamnă

ColumnTransformer selectează coloanele după nume și aplică pe fiecare grup transformarea lui (de exemplu scalare pe numerice, codificare pe categorice). Dacă un nume din listă nu se găsește în DataFrame, primești mesajul acesta la fit. Mesajul nu spune care coloană lipsește, dar în traceback, chiar deasupra, apare de obicei un KeyError cu numele exact.

Cauze frecvente: diacritice ("suprafață" vs "suprafata"), majuscule ("Oras" vs "oras"), spații ascunse venite din antetul unui CSV ("pret "), o coloană redenumită sau eliminată mai devreme în cod, ori ai dat transformerului ținta, deși ai scos-o deja din X. Afișează X.columns.tolist() și compară caracter cu caracter.

De ce apare: cauzele frecvente

1Diacritice în numele coloanei

Greșit
PYTHON
ct = ColumnTransformer([("num", StandardScaler(), ["suprafață"])])
ct.fit(df)
Corect
PYTHON
ct = ColumnTransformer([("num", StandardScaler(), ["suprafata"])])
ct.fit(df)

Numele trebuie să fie identic cu cel din df.columns, inclusiv diacriticele.

2Spații ascunse din CSV

Greșit
PYTHON
df = pd.read_csv("apartamente.csv")  # antet: "pret , oras"
ColumnTransformer([("num", StandardScaler(), ["pret"])]).fit(df)
Corect
PYTHON
df = pd.read_csv("apartamente.csv")
df.columns = df.columns.str.strip()
ColumnTransformer([("num", StandardScaler(), ["pret"])]).fit(df)

str.strip() elimină spațiile din jurul numelor de coloane, iar "pret" devine găsit.

3Ținta trecută ca și caracteristică

Greșit
PYTHON
X = df.drop(columns=["pret"])
ColumnTransformer([("num", StandardScaler(), ["suprafata", "pret"])]).fit(X)
Corect
PYTHON
X = df.drop(columns=["pret"])
ColumnTransformer([("num", StandardScaler(), ["suprafata"])]).fit(X)

După drop, X nu mai are coloana pret; lista transformerului trebuie să conțină doar caracteristici.

Repară tu

Repară eroarea, direct în pagină

Codul de mai jos dă ValueError: A given column is not a column of the dataframe, pentru că lista coloanelor numerice conține "suprafață", cu diacritice, iar în tabel coloana se numește suprafata. Repară numele, ca programul să afișeze câte coloane produce transformarea.

Codul care dă eroarea
PYTHON
import pandas as pd
from sklearn.compose import ColumnTransformer
from sklearn.preprocessing import OneHotEncoder, StandardScaler

df = pd.DataFrame({
    "suprafata": [50, 65, 80, 45],
    "camere": [2, 3, 3, 1],
    "oras": ["Cluj", "Iasi", "Cluj", "Brasov"],
})
ct = ColumnTransformer([
    ("num", StandardScaler(), ["suprafață", "camere"]),
    ("cat", OneHotEncoder(handle_unknown="ignore"), ["oras"]),
])
rez = ct.fit_transform(df)
print("Coloane rezultate:", rez.shape[1])
După reparație, programul afișează
Coloane rezultate: 5
Indiciu

Coloana din tabel este "suprafata", fără diacritice.

Alte forme ale mesajului

  • KeyError: "None of [Index(['suprafață'], dtype='object')] are in the [columns]"

Cum o eviți pe viitor

Definește listele de coloane o singură dată, la începutul codului (numerice = [...], categorice = [...]), și construiește X din ele: X = df[numerice + categorice]. Așa, o greșeală de scriere dă eroare imediat, la selecție. Folosește nume de coloane fără diacritice și fără spații, și curăță antetul la citirea CSV-ului.

Întrebări frecvente

Cum aflu ce coloană lipsește?

Uită-te în traceback, deasupra mesajului: de obicei apare un KeyError cu numele coloanei. Sau calculează set(lista) - set(df.columns).

Pot da ColumnTransformer-ului indici în loc de nume?

Da, de exemplu [0, 2], dar numele sunt mai sigure: indicii se strică fără nicio eroare când schimbi ordinea coloanelor.

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.