ValueError: dtype='numeric' is not compatible with arrays of bytes/strings.Convert your data to numeric values explicitly instead.
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
X = [["Cluj", 50], ["Iasi", 60], ["Cluj", 70]]
model.fit(X, y)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
X = np.array([["50"], ["60"], ["70"]])
model.fit(X, y)X = np.array([["50"], ["60"], ["70"]]).astype(float)
model.fit(X, y)astype(float) transformă șirurile "50" în numere, deci tabloul devine numeric.
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.
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))Coloane: 3 Primul apartament: 127.8
Indiciu
Pornește de la pd.DataFrame(date, columns=["oras", "suprafata"]).
Reparația
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 = pd.get_dummies(pd.DataFrame(date, columns=["oras", "suprafata"]), columns=["oras"], dtype=int)
model = LinearRegression().fit(X, pret)
print("Coloane:", X.shape[1])
print("Primul apartament:", round(model.predict(X[:1])[0], 1))De ce merge
Lista date amestecă texte și numere, iar numpy o transformă într-un tablou în care totul e text, inclusiv suprafețele. După conversia în DataFrame, suprafata rămâne coloană numerică, iar get_dummies înlocuiește oras cu coloanele oras_Cluj și oras_Iasi, cu valori 0/1. X are acum 3 coloane numerice, iar modelul învață efectul suprafeței și diferența de preț dintre cele două orașe. X[:1] păstrează forma de tabel cu un rând, deci predict primește tot un tabel 2D.
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
ValueError: could not convert string to float: 'Bucuresti' În X ai o coloană cu text (de exemplu orașul), iar modelul acceptă doar numere. Transformă coloanele de text în numere înainte de fit, cu pd.get_dummies sau OneHotEncoder, sau scoate-le din X dacă nu ai nevoie de ele. ValueError: Expected 2D array, got 1D array instead Modelul vrea X ca tabel 2D (rânduri = exemple, coloane = caracteristici), dar a primit o listă simplă 1D. Cu o singură caracteristică, folosește df[['suprafata']] (două paranteze) sau x.reshape(-1, 1); pentru un singur exemplu, [[50]]. 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.
