z_score标准化函数在Kaggle报错：float对象无sqrt可调用方法

问题根源 #

报错TypeError: loop of ufunc does not support argument 0 of type float which has no callable sqrt method的核心原因是输入数据X的类型不符合numpy处理要求。Kaggle环境中数据可能包含Python原生float、pandas可空浮点类型（如Float64）等非标准numpy数值类型，导致np.std计算后无法正常执行平方根操作；而本地Jupyter环境中数据通常是标准numpy浮点型，因此无此问题。

修复方案 #

1. 强制指定numpy浮点类型转换 #

修改函数，将输入数据明确转为numpy的float64类型，确保所有数值都能被numpy正确处理：

import numpy as np

def z_score_normalization(X):
    # 强制转换为标准numpy浮点数组，消除类型差异
    X = np.array(X, dtype=np.float64)
    mu = np.mean(X, axis=0)
    sigma = np.std(X, axis=0)
    # 处理标准差为0的边界情况，避免除零错误
    sigma[sigma < 1e-6] = 1.0
    X_norm = (X - mu) / sigma
    
    return X_norm, mu, sigma

2. 预处理输入数据（针对pandas场景） #

如果输入X是pandas DataFrame/Series，先将其转为标准numpy数组，避免可空类型干扰：

import pandas as pd

# 假设X是pandas数据结构
if isinstance(X, (pd.DataFrame, pd.Series)):
    # 转为普通浮点类型后再转numpy数组
    X = X.astype(np.float64).values

3. 验证函数有效性 #

先使用测试数据验证修复后的函数：

# 测试用例
test_data = [[1.2, 3.4], [5.6, 7.8], [9.0, 2.1]]
norm_data, mu, sigma = z_score_normalization(test_data)

print("标准化后数据:\n", norm_data)
print("均值:\n", mu)
print("标准差:\n", sigma)

确认测试通过后，再应用到实际数据集上即可。

内容的提问来源于stack exchange，提问作者Nandan Kumar