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

ValueError: columns are missing: {'oras'}

Pe scurt

ColumnTransformer (sau un Pipeline care îl conține) a fost antrenat cu o coloană care lipsește din DataFrame-ul primit la predict sau transform. Verifică numele coloanelor datelor noi: trebuie să existe toate coloanele de la fit, cu aceleași nume.

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

Ce înseamnă

Un ColumnTransformer antrenat pe un DataFrame își amintește numele coloanelor. La transform (și deci la predict al unui pipeline), caută aceleași coloane după nume în datele noi. Mesajul listează coloanele pe care nu le-a găsit, ca set: aici oras.

Cauze tipice: un nume scris altfel în datele noi („Oras”, „oraș”, „oras ” cu spațiu), datele noi construite de mână cu mai puține câmpuri, un formular sau un API care trimite alte chei, sau o coloană scoasă intenționat înainte de predicție.

Coloanele în plus nu sunt o problemă: transformatorul le ignoră. Contează doar ca toate cele folosite la fit să fie prezente. Coloanele cerute le vezi în model.feature_names_in_.

De ce apare: cauzele frecvente

1Numele scris diferit în datele noi

Greșit
PYTHON
nou = pd.DataFrame({"Oras": ["Cluj"], "suprafata": [60]})
model.predict(nou)
Corect
PYTHON
nou = pd.DataFrame({"oras": ["Cluj"], "suprafata": [60]})
model.predict(nou)

Numele de coloane se compară exact, inclusiv literele mari și diacriticele.

2Datele noi au mai puține coloane

Greșit
PYTHON
model.predict(pd.DataFrame({"suprafata": [60]}))
Corect
PYTHON
model.predict(pd.DataFrame({"oras": ["Cluj"], "suprafata": [60]}))

Toate coloanele de la antrenare trebuie trimise. Dacă o valoare lipsește, trimite coloana cu np.nan și lasă un imputer s-o completeze.

3Nume curățate doar la antrenare

Greșit
PYTHON
train.columns = train.columns.str.strip().str.lower()
# test ramane cu "Oras "
Corect
PYTHON
def curata(df):
    df.columns = df.columns.str.strip().str.lower()
    return df
train, test = curata(train), curata(test)

Aceeași curățare aplicată peste tot păstrează numele identice.

Repară tu

Repară eroarea, direct în pagină

Codul de mai jos dă ValueError: columns are missing: {'oras'}, pentru că apartamentul nou are coloana scrisă „Oras”. Scrie numele coloanei exact ca la antrenare, ca programul să afișeze prețul estimat.

Codul care dă eroarea
PYTHON
import pandas as pd
from sklearn.compose import ColumnTransformer
from sklearn.linear_model import LinearRegression
from sklearn.pipeline import make_pipeline
from sklearn.preprocessing import OneHotEncoder

df = pd.DataFrame({
    "oras": ["Cluj", "Iasi", "Cluj", "Iasi"],
    "suprafata": [50, 50, 80, 80],
    "pret": [150, 100, 240, 160],
})

prep = ColumnTransformer([("cat", OneHotEncoder(), ["oras"]), ("num", "passthrough", ["suprafata"])])
model = make_pipeline(prep, LinearRegression()).fit(df[["oras", "suprafata"]], df["pret"])

nou = pd.DataFrame({"Oras": ["Cluj"], "suprafata": [60]})
print("Pret estimat (mii lei):", round(float(model.predict(nou)[0])))
După reparație, programul afișează
Pret estimat (mii lei): 182
Indiciu

În DataFrame-ul nou, cheia trebuie să fie "oras".

Alte forme ale mesajului

  • ValueError: columns are missing: {'oras', 'judet'}
  • ValueError: columns are missing: {'suprafață'}

Cum o eviți pe viitor

Salvează lista de coloane împreună cu modelul și verifică datele noi față de ea: set(model.feature_names_in_) - set(nou.columns) trebuie să fie gol. Construiește datele de predicție cu aceeași funcție de pregătire ca la antrenare. La un API, validează câmpurile primite înainte să ajungă la model.

Întrebări frecvente

Contează ordinea coloanelor?

Pentru ColumnTransformer cu nume de coloane, nu: le caută după nume. Pentru un model fără ColumnTransformer, antrenat pe DataFrame, ordinea trebuie să fie aceeași.

La fit am primit „A given column is not a column of the dataframe”. E același lucru?

E aceeași problemă, dar la antrenare: o coloană din lista ColumnTransformer-ului lipsește din datele de antrenare.

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.