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

ValueError: Specifying the columns using strings is only supported for dataframes.

Pe scurt

ColumnTransformer are coloanele date după nume ("varsta", "oras"), dar a primit un tablou numpy, care nu are nume de coloane. Dă-i DataFrame-ul (df, nu df.values sau df.to_numpy()), sau, dacă lucrezi cu numpy, indică coloanele prin poziție: [0, 2].

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

Ce înseamnă

Într-un ColumnTransformer, fiecare transformer primește o listă de coloane. Lista poate avea nume (["suprafata"]), dar numele există doar într-un DataFrame pandas. Dacă la fit sau transform ajunge un numpy.ndarray, nu mai există niciun nume după care să selectezi, iar scikit-learn îți spune că numele de coloane sunt acceptate doar pentru DataFrame-uri.

Cauze frecvente: ai scris pipe.fit(df.values, y) sau X.to_numpy(), ai trecut datele printr-un pas care întoarce numpy (de exemplu un SimpleImputer înaintea ColumnTransformer-ului, în același Pipeline), ai împărțit cu train_test_split niște tablouri numpy, ori dai la predict o listă de liste. Repari dând DataFrame-ul peste tot sau, dacă un pas anterior întoarce numpy, mutând acel pas în interiorul ColumnTransformer-ului ori setând set_output(transform="pandas").

De ce apare: cauzele frecvente

1Ai dat df.values în loc de df

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

DataFrame-ul are numele coloanelor, deci ColumnTransformer poate găsi suprafata.

2Lucrezi intenționat cu numpy

Greșit
PYTHON
X = np.array([[40, 1], [55, 2]])
ColumnTransformer([("num", StandardScaler(), ["suprafata"])]).fit(X)
Corect
PYTHON
X = np.array([[40, 1], [55, 2]])
ColumnTransformer([("num", StandardScaler(), [0])]).fit(X)

Pe un tablou numpy, coloanele se indică prin poziție: 0 este prima coloană.

3Un pas dinainte întoarce numpy

Greșit
PYTHON
pipe = make_pipeline(SimpleImputer(strategy="most_frequent"), ct, LogisticRegression())
Corect
PYTHON
pipe = make_pipeline(SimpleImputer(strategy="most_frequent").set_output(transform="pandas"),
                     ct, LogisticRegression())

Cu ieșire pandas, imputerul păstrează numele coloanelor, iar ColumnTransformer-ul de după le poate folosi. Și mai simplu: pune imputerul în interiorul ColumnTransformer-ului.

Repară tu

Repară eroarea, direct în pagină

Codul de mai jos dă ValueError: Specifying the columns using strings is only supported for dataframes., pentru că Pipeline-ul primește df.values. Repară apelurile, ca Pipeline-ul să primească DataFrame-uri, iar programul să afișeze prețul estimat pentru un apartament de 65 m² din Cluj.

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({
    "suprafata": [50, 60, 70, 50, 60, 70],
    "oras": ["Cluj", "Cluj", "Cluj", "Iasi", "Iasi", "Iasi"],
    "pret": [110, 130, 150, 90, 110, 130],
})

ct = ColumnTransformer([("oras", OneHotEncoder(), ["oras"])], remainder="passthrough")
pipe = make_pipeline(ct, LinearRegression())
pipe.fit(df[["suprafata", "oras"]].values, df["pret"])
nou = pd.DataFrame({"suprafata": [65], "oras": ["Cluj"]})
print("Pret estimat:", round(pipe.predict(nou)[0], 1))
După reparație, programul afișează
Pret estimat: 140.0
Indiciu

Dă lui fit direct df[["suprafata", "oras"]], nu .values.

Alte forme ale mesajului

  • ValueError: Specifying the columns using strings is only supported for pandas DataFrames
  • ValueError: Specifying the columns using strings is only supported for dataframes

Cum o eviți pe viitor

Păstrează datele ca DataFrame de la citire până la fit și predict; nu folosi .values decât dacă ai un motiv. Și datele noi pentru predict trebuie să fie un DataFrame cu aceleași nume de coloane: pd.DataFrame([{"suprafata": 70, "oras": "Cluj"}]). Preprocesarea pe coloane (imputere, scalare, encodere) pune-o în interiorul ColumnTransformer-ului.

Întrebări frecvente

De ce merge fit, dar predict dă eroarea?

Probabil ai antrenat pe un DataFrame și dai la predict o listă sau un tablou numpy, de exemplu pipe.predict([[70, "Cluj"]]). Construiește datele noi tot ca DataFrame, cu aceleași coloane.

Pot amesteca nume și poziții în aceeași listă?

Nu. O listă de coloane are fie numai nume, fie numai poziții (sau o mască booleană ori un make_column_selector).

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.