Bỏ qua đến nội dung chính
Mục lục

could not convert string to float khi fit model sklearn

AIDev Team · duyệt: Nguyễn Việt Chung

Bài 3/18 · Chương 13

Giải nghĩa lỗi và cảnh báo

  • 6 phút
  • Cơ bản
  • Python 3.14
  • Cập nhật

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

'Phú Nhuận', 'Năm'

cột nhóm (quận, gói) chưa mã hóa

pd.get_dummies() hoặc OneHotEncoder

'149k', '1.315k'

cột số ghi kèm chữ k, dấu chấm hàng nghìn

str.replace() rồi pd.to_numeric()

'chưa đánh giá'

ô trống được ghi bằng chữ

pd.to_numeric(..., errors="coerce") rồi xử lý ô thiếu

Trước khi fit, xem cột nào đang là kiểu chữ. Trong pandas 3, cột chữ có kiểu str:

python
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():

python
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:

text
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:

python
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) 16

Một 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:

python
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:

text
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():

python
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 0

Cả 500 ô đổi được thành số, không ô nào thiếu, nên cột đã sẵn sàng cho fit().

Kiểm tra nhanh

  1. 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 X mà chưa mã hóa
    • Cột nhãn y có chữ Zalo
    • Phải đổi cột đó bằng pd.to_numeric(..., errors="coerce")
  2. Cột chi_tieu có 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", ""))
  3. Những cột nào của file hội viên thô nên mã hóa one-hot thay vì đổi sang số?

    • kenh_dang_ky
    • goi
    • chi_tieu_90_ngay_nghin
    • diem_danh_gia_tb
Đúng hết lần đầu +15 XP

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.

python
import pandas as pd

def o_chu_dau_tien(X):
    pass  # Viết thân hàm thay cho dòng này

Tóm tắt

  • Chuỗi trong thông báo là ô chữ đầu tiên của X; xem select_dtypes("str") để thấy mọi cột chữ một lần.

  • Cột nhóm như quận, gói, kênh: mã hóa bằng pd.get_dummies() hoặc OneHotEncoder.

  • Cột số ghi kèm chữ như '1.315k': bỏ ký tự thừa bằng str.replace() rồi pd.to_numeric().

  • errors="coerce" biến ô ghi sai thành ô thiếu; fit sau đó báo Input 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

could not convert string to float sklearn

Dữ liệu của bài

Bài này có hữu ích?

Hỏi đáp

Đang tải câu hỏi…

Tham vấn chuyên môn

Nguyễn Việt Chung

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.
Biên soạn: AIDev Team · Rà soát · Quy trình biên tập