Jupyter中t-SNE执行fit_transform报错：'NoneType'对象无split属性怎么办？

可能的原因与对应解决方法 #

1. 检查输入数据是否存在空值/缺失值 #

t-SNE的fit_transform要求输入非空的数值型数据，若数据中存在None或NaN，后续处理环节可能触发该错误。

• 执行以下代码检查并清理数据：

  import pandas as pd
  # 假设数据存储在变量data中
  print(data.isnull().sum())  # 查看各列空值数量
  data_clean = data.dropna()  # 删除含空值的行
  # 或采用填充策略：data_clean = data.fillna(data.mean())
  

• 确保传入t-SNE的是清理后的data_clean而非原始数据。

2. 验证scikit-learn版本兼容性 #

你当前使用的scikit-learn 1.4.1.post可能与Python 3.9.11存在兼容性冲突，或是版本更新后内部逻辑变化引发报错。

• 回退至之前可正常运行的版本：

  pip uninstall scikit-learn -y
  pip install scikit-learn==[你之前使用的版本号]
  

• 或尝试升级到最新稳定版：

  pip install --upgrade scikit-learn
  

3. 检查Jupyter Notebook内核环境 #

可能存在Jupyter使用的内核环境与安装库的环境不一致的情况，导致实际调用的库版本错误或依赖缺失。

• 在Notebook中执行以下代码确认环境：

  import sys
  import sklearn
  print(sys.executable)  # 查看当前内核使用的Python路径
  print(sklearn.__version__)  # 确认实际运行的sklearn版本
  

• 若路径不符，重新指定Jupyter内核：
  1. 激活目标环境（如conda环境）
  2. 执行python -m ipykernel install --user --name=your_env_name
  3. 在Notebook中切换至新添加的内核

4. 确认数据类型与维度正确性 #

确保传入t-SNE的是二维数值数组（如numpy.ndarray或不含字符串列的pandas.DataFrame），避免一维数组或非数值型数据。

• 转换并验证数据：

  import numpy as np
  data_array = data_clean.values.astype(np.float64)
  print(data_array.shape)  # 维度应为(n_samples, n_features)
  

5. 清理缓存并重启环境 #

长期未使用的Notebook可能存在缓存异常，或后台进程出错。

• 关闭当前Notebook，重启Jupyter服务
• 删除项目目录下的__pycache__文件夹，清理Python缓存

内容的提问来源于stack exchange，提问作者Marco Grivet