调用Sentence Transformer encode触发TypeError：float对象不可下标访问

核心错误原因 #

报错TypeError: 'float' object is not subscriptable来自两个关键问题：

1. 输入数据类型不匹配 #

df1.processed_activities列中存在float类型的值（比如NaN），而SentenceTransformer.encode()要求输入为字符串或字符串列表。当传入float值时，模型的tokenize逻辑会误将其当作待拆分的文本元组，尝试执行text_tuple[0]操作，从而触发“float不可下标访问”的错误。

2. 对DataFrame列的处理逻辑错误 #

代码中model.encode(str(df2[col]))将整个DataFrame列（Series对象）直接转为字符串，得到的是类似"0 文本1\n1 文本2\n..."的格式，这并非实际需要的列中文本内容，同时也会导致模型编码错误。

额外语法错误 #

最后赋值时的max_sim_col0是笔误，应为max_sim_col。

修正后的代码 #

import torch
import numpy as np
from sklearn.metrics.pairwise import cosine_similarity
from sentence_transformers import SentenceTransformer

device = 'cuda' if torch.cuda.is_available() else 'cpu'
model = SentenceTransformer('sentence-transformers/all-MiniLM-L6-v2').to(device)

def get_similarities(df1, df2):
    similarity_scores = []
    # 清理processed_activities列的非字符串值，转为空字符串避免报错
    processed_activities = df1.processed_activities.fillna("").astype(str)
    
    for activity in processed_activities:
        # 确保输入为字符串类型
        activity_embeddings = model.encode(activity, convert_to_tensor=True)
        activity_similarity_scores = []
        
        for col in df2.columns:
            # 将列中所有文本拼接为单个字符串（可根据需求调整聚合逻辑）
            col_text = " ".join(df2[col].fillna("").astype(str).tolist())
            col_embeddings = model.encode(col_text, convert_to_tensor=True)
            
            # 跨设备兼容的余弦相似度计算
            similarity = cosine_similarity(
                activity_embeddings.cpu().numpy().reshape(1, -1),
                col_embeddings.cpu().numpy().reshape(1, -1)
            )
            activity_similarity_scores.append(similarity.item())
        
        similarity_scores.append(activity_similarity_scores)
    return similarity_scores

# 获取相似度分数
similarity_scores = get_similarities(df, specialties_data)

# 获取每个activity对应的最高相似度列
max_sim_col = []
for sim_scores in similarity_scores:
    max_sim_col.append(specialties_data.columns[np.argmax(sim_scores)])

# 添加结果列到原DataFrame
df['max_similarity_column'] = max_sim_col

df.to_csv("final.csv", index=False)
print(df)

关键修正点说明 #

• 数据清洗：对df1.processed_activities列做空值填充和类型转换，确保所有输入都是字符串。
• 列文本聚合：将df2的列内容拼接为单个字符串（若列本身是单条文本，可直接用df2[col].iloc[0]替代拼接逻辑）。
• 跨设备计算：将CUDA张量转为numpy数组，避免GPU/CPU设备不匹配导致的计算错误。
• 笔误修正：将max_sim_col0改为正确的max_sim_col。

内容的提问来源于stack exchange，提问作者Yasmine Daly