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

ValueError: dtype='numeric' is not compatible with arrays of bytes/strings.Convert your data to numeric values explicitly instead.

Pe scurt

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).

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

Ce înseamnă

Este „vărul” erorii could not convert string to float, dar apare când X nu e un DataFrame pandas, ci o listă Python sau un tablou numpy cu texte (tipul <U9, șir Unicode). În loc să încerce conversia celulă cu celulă, scikit-learn vede din start că tabloul are tip text și refuză: dtype='numeric' înseamnă că funcția așteaptă un tablou numeric.

Cel mai des apare când construiești X de mână, ca listă de liste cu numere și texte amestecate ([["Cluj", 50], ...]): numpy transformă atunci tot tabloul în text, inclusiv numerele. Alteori citești date cu np.loadtxt(..., dtype=str) sau numerele din X vin din input-uri text. Verifică np.asarray(X).dtype: dacă începe cu <U sau este object, trebuie să faci conversia.

De ce apare: cauzele frecvente

1Listă de liste cu texte și numere amestecate

Greșit
PYTHON
X = [["Cluj", 50], ["Iasi", 60], ["Cluj", 70]]
model.fit(X, y)
Corect
PYTHON
df = pd.DataFrame(X, columns=["oras", "suprafata"])
X = pd.get_dummies(df, columns=["oras"], dtype=int)
model.fit(X, y)

Într-un tablou numpy, un singur text face toată matricea de tip text. Trecută prin DataFrame și get_dummies, fiecare coloană are tipul potrivit.

2Numere citite ca text

Greșit
PYTHON
X = np.array([["50"], ["60"], ["70"]])
model.fit(X, y)
Corect
PYTHON
X = np.array([["50"], ["60"], ["70"]]).astype(float)
model.fit(X, y)

astype(float) transformă șirurile "50" în numere, deci tabloul devine numeric.

Repară tu

Repară eroarea, direct în pagină

Codul de mai jos dă ValueError: dtype='numeric' is not compatible with arrays of bytes/strings, pentru că X este o listă de liste în care orașul e text. Repară-l: construiește un DataFrame cu coloanele oras și suprafata, transformă orașul cu pd.get_dummies(..., dtype=int) și antrenează pe rezultat, ca programul să afișeze numărul de coloane și prețul estimat pentru primul apartament.

Codul care dă eroarea
PYTHON
import pandas as pd
from sklearn.linear_model import LinearRegression

date = [["Cluj", 50], ["Iasi", 60], ["Cluj", 70], ["Iasi", 45], ["Cluj", 65]]
pret = [125, 100, 170, 80, 155]

X = date
model = LinearRegression().fit(X, pret)
print("Coloane:", len(X[0]))
print("Primul apartament:", round(model.predict(X[:1])[0], 1))
După reparație, programul afișează
Coloane: 3
Primul apartament: 127.8
Indiciu

Pornește de la pd.DataFrame(date, columns=["oras", "suprafata"]).

Alte forme ale mesajului

  • ValueError: could not convert string to float: 'Cluj'

Cum o eviți pe viitor

Construiește X ca DataFrame pandas, nu ca listă de liste amestecate, ca fiecare coloană să-și păstreze tipul. Verifică X.dtypes (sau np.asarray(X).dtype) înainte de fit. Codifică explicit coloanele de text și convertește numerele citite ca text cu astype(float) sau pd.to_numeric. Pune toată pregătirea într-un ColumnTransformer, ca aceleași conversii să se aplice și pe datele noi.

Întrebări frecvente

De ce și numerele mele au devenit text?

Un tablou numpy are un singur tip pentru toate celulele. Când pui în aceeași listă "Cluj" și 50, numpy alege tipul care le poate ține pe amândouă, adică text, și transformă 50 în "50".

Care e diferența față de could not convert string to float?

Cauza e aceeași (text în X). Cu un DataFrame, scikit-learn încearcă conversia și se oprește la prima valoare problematică, pe care ți-o arată. Cu un tablou numpy de tip text, refuză direct, cu mesajul despre dtype='numeric'.

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.