Pandas报错：'Categorical'类型对象无'from_array'属性，求实现缺失值填充、首字符提取及编码转换

这个报错的原因很直接：pd.Categorical.from_array方法在新版本的pandas中已经被移除了，现在创建Categorical对象只需要直接调用pd.Categorical()构造函数就可以完美实现你的需求。

修正后的完整代码 #

df['CabinCat'] = pd.Categorical(df['Cabin'].fillna('0').apply(lambda x: x[0])).codes

分步拆解验证逻辑（完全匹配你的需求） #

1. 填充缺失值：df['Cabin'].fillna('0') 把Cabin列的所有NaN替换成字符串'0'，避免后续提取首字符时报错
2. 提取首字符：.apply(lambda x: x[0]) 对每个非空（已填充）的元素取第一个字符，比如原Cabin值是'A10'就取'A'，填充后的'0'就取'0'
3. 转换为分类类型：pd.Categorical(...) 把提取到的首字符集合转换成分类变量，pandas会自动识别所有唯一类别
4. 生成数值编码：.codes 把每个分类映射成对应的整数编码，比如'A'可能对应0，'B'对应1，'0'对应N（具体取决于唯一值的出现顺序）

额外健壮性提示 #

如果担心某些极端情况（比如填充后仍有空字符串），可以把提取首字符的lambda改成更稳妥的写法：

df['CabinCat'] = pd.Categorical(df['Cabin'].fillna('0').apply(lambda x: x[0] if isinstance(x, str) and len(x) > 0 else '0')).codes

不过你的原逻辑里已经用fillna('0')处理了缺失值，基础版本完全够用。

内容的提问来源于stack exchange，提问作者typeof programmer