执行关联矩阵计算代码时为何抛出ValueError: could not convert string to float: 'DZA'？

这个错误的核心原因很直接：pandas.DataFrame.corr()方法只能对纯数值型数据计算相关系数，而你用来计算的data_corr数据框里，还存在未处理的字符串类型列（报错里的'DZA'大概率是国家代码这类字符串标识），这些字符串无法被自动转换成浮点数，导致计算相关矩阵时失败。

看你提供的代码：

from sklearn.preprocessing import LabelEncoder

# Create a copy of the data
data_corr = new_data.copy()

# Encode the 'banking_crisis' column
data_corr['banking_crisis'] = LabelEncoder().fit_transform(data_corr['banking_crisis'])

# Convert 'currency_crisis' to binary: 'no_crisis' (0) and 'crisis' (1)
data_corr['currency_crisis'] = data_corr['currency_crisis'].apply(lambda x: 0 if x == 0 else 1)

# Compute the correlation matrix
corr_matrix = data_corr.corr()

你只对banking_crisis和currency_crisis两列做了数值转换，但new_data里的其他列（比如包含'DZA'的列）还是字符串类型，这些列被保留到了data_corr中，调用corr()时就会触发类型转换错误。

简单的排查与解决方向 #

1. 先查看数据的列类型，确认哪些是字符串列：

   print(data_corr.dtypes)
   

2. 处理方式二选一：
   • 如果这些字符串列是无关的标识类数据（比如国家代码、样本ID），直接剔除后再计算：

     # 只保留数值型列
     data_corr = data_corr.select_dtypes(include=['int64', 'float64'])
     corr_matrix = data_corr.corr()
     

   • 如果字符串列是需要参与分析的分类变量，用编码工具（比如LabelEncoder、OneHotEncoder）转换成数值后再计算相关矩阵。

内容的提问来源于stack exchange，提问作者Leonardo