could not convert string to float khi fit model sklearn
Bài 3/18 · Chương 13
Giải nghĩa lỗi và cảnh báo
- 6 phút
- Cơ bản
- Python 3.14
- Cập nhật
Trong bài này · 10
Lỗi could not convert string to float khi fit model sklearn nghĩa là trong bảng feature X còn ít nhất một ô chữ, mà mọi model của scikit-learn chỉ học trên số. Chuỗi trong dấu nháy cuối thông báo là ô chữ đầu tiên thư viện gặp, nên đọc nó là biết cột nào chưa dọn: tên quận, tên gói hội viên, hay một con số bị ghi kèm chữ k.
Cần biết trước: get_dummies trong pandas.
Bảng tra nhanh: chuỗi trong thông báo và cách sửa
Python gọi lỗi này là ValueError. Ba dạng chuỗi hay gặp, lấy từ file hội viên thô và bảng giá nhà của tutorial:
Chuỗi trong thông báo | Nguyên nhân | Cách sửa |
|---|---|---|
| cột nhóm (quận, gói) chưa mã hóa |
|
| cột số ghi kèm chữ k, dấu chấm hàng nghìn |
|
| ô trống được ghi bằng chữ |
|
Trước khi fit, xem cột nào đang là kiểu chữ. Trong pandas 3, cột chữ có kiểu str:
import pandas as pd
tho = pd.read_csv("hoi_vien_tho.csv")
print(tho.select_dtypes("str").columns.tolist())KẾT QUẢ
['ma_kh', 'tinh', 'kenh_dang_ky', 'goi', 'tu_dong_gia_han', 'chi_tieu_90_ngay_nghin', 'diem_danh_gia_tb']Đổi "str" thành "number" rồi chạy lại: danh sách in ra 'so_don_90_ngay' cùng các cột số khác.
Bảy cột chữ, nhưng chúng thuộc hai loại khác nhau: tinh, kenh_dang_ky, goi vốn là nhóm, còn chi_tieu_90_ngay_nghin, diem_danh_gia_tb vốn là số mà bị ghi sai. Cột tu_dong_gia_han là loại thứ ba: một cột có hay không, ghi sáu cách (Có, 0, 1, no, yes, Không), cần gom về 0 và 1. Cột ma_kh là mã khách, bỏ hẳn khỏi X. Lỗi cùng tên khi đổi kiểu một cột bằng astype(float) có trang riêng: could not convert string to float trong pandas.
Cột nhóm chưa mã hóa
Bảng giá nhà có cột quan là tên quận. Đưa thẳng vào fit():
import pandas as pd
from sklearn.linear_model import LinearRegression
nha = pd.read_csv("gia_nha.csv")
LinearRegression().fit(nha[["dien_tich_m2", "quan"]], nha["gia_ty"])
Dòng cuối của thông báo lỗi:
ValueError: could not convert string to float: 'Phú Nhuận'
'Phú Nhuận' là ô đầu tiên của cột quan. Tên quận không có thứ tự nên không đổi thành một số được; cách sửa là tách mỗi quận thành một cột 0/1:
import pandas as pd
from sklearn.linear_model import LinearRegression
nha = pd.read_csv("gia_nha.csv")
X = pd.get_dummies(nha[["dien_tich_m2", "quan"]], dtype=int)
model = LinearRegression().fit(X, nha["gia_ty"])
print(X.shape, len(model.coef_))KẾT QUẢ
(2500, 16) 16Một cột diện tích cộng 15 cột quận. Khi dữ liệu mới sẽ đi qua cùng model, dùng OneHotEncoder đặt trong ColumnTransformer thay cho get_dummies(), vì bộ mã hóa nhớ danh sách nhóm của lúc fit; bài OneHotEncoder chỉ cách làm.
Cột số ghi kèm chữ
Cột chi tiêu của file thô lẫn các ô như '149k' và '1.315k'. Fit trên hai cột số tưởng là sạch:
import pandas as pd
from sklearn.linear_model import LogisticRegression
tho = pd.read_csv("hoi_vien_tho.csv").dropna(subset=["roi_bo"])
X = tho[["so_don_90_ngay", "chi_tieu_90_ngay_nghin"]]
LogisticRegression().fit(X, tho["roi_bo"])
Dòng cuối của thông báo lỗi:
ValueError: could not convert string to float: '149k'
Ở đây không được one-hot: '149k' là 149 nghìn đồng, một con số thật. Bỏ dấu chấm hàng nghìn và chữ k, rồi đổi kiểu bằng pd.to_numeric():
import pandas as pd
tho = pd.read_csv("hoi_vien_tho.csv")
chi = tho["chi_tieu_90_ngay_nghin"]
so = pd.to_numeric(chi.str.replace(".", "").str.replace("k", ""))
print(chi.iloc[8], "->", so.iloc[8], so.dtype, so.isna().sum())KẾT QUẢ
149k -> 149 int64 0Cả 500 ô đổi được thành số, không ô nào thiếu, nên cột đã sẵn sàng cho fit().
Kiểm tra nhanh
Fit báo lỗi
could not convert string to float: 'Zalo'. Điều này cho biết gì?- Một cột nhóm, có lẽ là kênh đăng ký, còn nằm trong
Xmà chưa mã hóa - Cột nhãn
ycó chữZalo - Phải đổi cột đó bằng
pd.to_numeric(..., errors="coerce")
- Một cột nhóm, có lẽ là kênh đăng ký, còn nằm trong
Cột
chi_tieucó ô'2.919k'. Cách nào giữ đúng giá trị 2919 cho ô đó?pd.to_numeric(chi_tieu, errors="coerce")pd.get_dummies(chi_tieu)pd.to_numeric(chi_tieu.str.replace(".", "").str.replace("k", ""))
Những cột nào của file hội viên thô nên mã hóa one-hot thay vì đổi sang số?
kenh_dang_kygoichi_tieu_90_ngay_nghindiem_danh_gia_tb
Bài tập
Tìm ô chữ đầu tiên của từng cột
Trước khi fit, bạn muốn biết một lượt mọi cột của X sẽ làm fit() dừng, thay vì sửa từng cột theo từng thông báo. Viết thân hàm o_chu_dau_tien(X) nhận một DataFrame và trả một dict. Khóa là tên cột có ít nhất một ô không thiếu mà pd.to_numeric() không đọc được thành số. Giá trị là ô đầu tiên như thế, theo thứ tự dòng. Cột không có ô nào như thế thì không có trong dict. Ô thiếu (None, NaN) không tính, còn chuỗi rỗng "" tính là ô chữ.
Ví dụ: cột goi có ["Năm", "Tháng"] và cột so_don có [2, 5] thì kết quả là {"goi": "Năm"}. Hàm không sửa bảng X của nơi gọi.
Trả về: tên cột và ô chữ đầu tiên của nó, một dict.
import pandas as pd
def o_chu_dau_tien(X):
pass # Viết thân hàm thay cho dòng nàyTóm tắt
Chuỗi trong thông báo là ô chữ đầu tiên của
X; xemselect_dtypes("str")để thấy mọi cột chữ một lần.Cột nhóm như quận, gói, kênh: mã hóa bằng
pd.get_dummies()hoặcOneHotEncoder.Cột số ghi kèm chữ như
'1.315k': bỏ ký tự thừa bằngstr.replace()rồipd.to_numeric().errors="coerce"biến ô ghi sai thành ô thiếu; fit sau đó báoInput X contains NaN.
Câu hỏi thường gặp
Lỗi báo ở cột nhãn y thì sao?
Phân loại chấp nhận nhãn chữ như "rời bỏ", "ở lại", nên lỗi này hầu như luôn đến từ X. Với hồi quy thì y phải là số, và một ô chữ trong y báo một câu gần giống, kiểu could not convert string to float: '3k'; dọn nó như cột số ghi sai. Cách tách X và y có ở bài fit, predict, score.
Có nên dùng LabelEncoder cho cột quận không?
Không nên cho X. Đổi quận thành 0, 1, 2… bắt model hồi quy tin rằng quận số 2 "gấp đôi" quận số 1. LabelEncoder dành cho nhãn y; cột nhóm của X dùng OneHotEncoder hoặc get_dummies().
Vì sao read_csv đọc cột chi tiêu thành chữ?
Chỉ cần một ô có ký tự không phải số, cả cột thành kiểu str. Đọc thêm cách đổi kiểu cột ở bài astype và dtype, rồi tìm các ô lạ bằng errors="coerce" như bài tập trên.
Chủ đề
Dữ liệu của bài
Bài này có hữu ích?
Hỏi đáp
Tham vấn chuyên môn
Nhà sáng lập AIDev và VietPlatform · Thạc sĩ AI MSE
- Tốt nghiệp thủ khoa xuất sắc Thạc sĩ AI MSE.
- Đồng sáng lập, CTO E-University, SVOnline: số hóa 10+ đại học, 40.000+ sinh viên.
- Xây hệ thống AI cho doanh nghiệp tại VietPlatform.