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

ValueError: No valid specification of the columns. Only a scalar, list or slice of all integers or all strings, or boolean mask is allowed

Pe scurt

Lista de coloane dată unui pas din `ColumnTransformer` amestecă nume (text) cu poziții (numere), de exemplu `["varsta", 2]`, sau are un tip pe care scikit-learn nu-l acceptă. Folosește ori doar nume de coloane, ori doar poziții, în fiecare listă.

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

Ce înseamnă

În ColumnTransformer([(nume, transformator, coloane), ...]), al treilea element spune pe ce coloane lucrează pasul. Sunt permise: un singur nume sau număr, o listă doar de nume, o listă doar de numere întregi, un slice sau o mască booleană. Mesajul spune că specificația ta nu se încadrează în niciuna, de obicei pentru că lista e amestecată.

Se întâmplă când construiești listele de mână și scrii unele coloane după nume și altele după poziție, când un nume de coloană e de fapt număr (coloanele unui DataFrame creat fără nume sunt 0, 1, 2) amestecat cu nume text, sau când dai un tuplu de tupluri ori o listă de liste. Verifică fiecare listă cu print([type(c) for c in coloane]).

De ce apare: cauzele frecvente

1Nume și poziții în aceeași listă

Greșit
PYTHON
ColumnTransformer([("num", StandardScaler(), ["varsta", 2])])
Corect
PYTHON
ColumnTransformer([("num", StandardScaler(), ["varsta", "venit"])])

Într-o listă, toate elementele trebuie să fie de același fel; cu nume, codul rămâne corect și dacă se schimbă ordinea coloanelor.

2Listă de liste în loc de listă simplă

Greșit
PYTHON
ColumnTransformer([("cat", OneHotEncoder(), [["oras"], ["tip"]])])
Corect
PYTHON
ColumnTransformer([("cat", OneHotEncoder(), ["oras", "tip"])])

Coloanele se dau ca o listă simplă de nume, nu grupate în liste interioare.

3Coloane alese automat

Greșit
PYTHON
coloane = ["oras", df.columns.get_loc("tip")]
Corect
PYTHON
from sklearn.compose import make_column_selector
ColumnTransformer([("cat", OneHotEncoder(), make_column_selector(dtype_include=object))])

make_column_selector alege coloanele după tip, fără să amesteci nume și poziții.

Repară tu

Repară eroarea, direct în pagină

Codul de mai jos dă ValueError: No valid specification of the columns..., pentru că lista de coloane numerice amestecă un nume ("suprafata") cu o poziție (1). Scrie ambele coloane după nume, ca programul să afișeze câte coloane ies din transformare și numele lor.

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

df = pd.DataFrame({
    "suprafata": [40, 55, 70, 90],
    "camere": [1, 2, 3, 4],
    "oras": ["Cluj", "Iasi", "Cluj", "Brasov"],
})

prep = ColumnTransformer([
    ("num", StandardScaler(), ["suprafata", 1]),
    ("cat", OneHotEncoder(), ["oras"]),
])
Z = prep.fit_transform(df)
print("Coloane:", Z.shape[1])
print([str(n) for n in prep.get_feature_names_out()])
După reparație, programul afișează
Coloane: 5
['num__suprafata', 'num__camere', 'cat__oras_Brasov', 'cat__oras_Cluj', 'cat__oras_Iasi']
Indiciu

Coloana de pe poziția 1 se numește "camere".

Alte forme ale mesajului

  • ValueError: No valid specification of the columns. Only a scalar, list or slice of all integers or all strings, or boolean mask is allowed

Cum o eviți pe viitor

Lucrează cu DataFrame-uri cu nume de coloane și dă coloanele mereu după nume, în liste definite o singură dată la începutul scriptului (coloane_numerice = [...], coloane_categorice = [...]). Dacă vrei să le alegi automat, folosește make_column_selector(dtype_include=...). Nu folosi poziții decât dacă datele sunt array numpy fără nume.

Întrebări frecvente

E mai bine cu nume sau cu poziții?

Cu nume, când datele sunt DataFrame: codul rămâne corect dacă se adaugă sau se mută coloane, iar get_feature_names_out() dă nume ușor de citit. Pozițiile sunt doar pentru array-uri numpy.

De ce primesc altă eroare când dau nume pe un array numpy?

Un array numpy nu are nume de coloane, deci primești ValueError: Specifying the columns using strings is only supported for dataframes. Dă un DataFrame sau folosește poziții.

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.