HTML表单接收字符串输入触发ValueError，如何解决数据类型不兼容问题？

错误信息 #

ValueError: dtype='numeric' is not compatible with arrays of bytes/strings.Convert your data to numeric values explicitly instead.

问题场景 #

通过HTML表单获取字符串输入后，直接传入模型预测触发上述错误，相关代码如下：

@app.route('/predict', methods=['GET', 'POST'])
def predict_placement():
    ans = request.form.get("msg")
    result = model.predict(np.array([ans]).reshape(-1, 1))

解决方案 #

1. 普通数值输入转换 #

request.form.get()返回的是字符串类型，而模型要求输入数值型数据，需显式转换为int或float，同时处理输入无效的情况：

@app.route('/predict', methods=['GET', 'POST'])
def predict_placement():
    ans = request.form.get("msg")
    # 转换为浮点数（根据模型需求改为int）
    try:
        numeric_ans = float(ans)
    except ValueError:
        # 返回错误提示给前端
        return "请输入有效的数字"
    # 传入模型预测
    result = model.predict(np.array([numeric_ans]).reshape(-1, 1))
    # 后续处理预测结果并返回响应

2. 类别型字符串输入转换 #

如果输入是分类任务的类别字符串（如"本科"/"硕士"），需使用训练时一致的编码方式（如LabelEncoder）转换为数值：

from sklearn.preprocessing import LabelEncoder

# 注意：该编码器需和训练模型时使用的是同一个（可提前序列化保存后加载）
le = LabelEncoder()
# 示例：训练时已拟合类别列表
le.fit(["本科", "硕士", "博士"])

@app.route('/predict', methods=['GET', 'POST'])
def predict_placement():
    ans = request.form.get("msg")
    try:
        numeric_ans = le.transform([ans])[0]
    except ValueError:
        return "输入不在允许的类别范围内"
    result = model.predict(np.array([numeric_ans]).reshape(-1, 1))
    # 后续处理预测结果并返回响应

核心原因 #

模型训练阶段使用的是数值型特征，直接传入字符串数组会导致数据类型不匹配，必须将输入显式转换为模型兼容的数值类型才能正常预测。

内容的提问来源于stack exchange，提问作者Avani Choudhary