Python分类变量预测NET_AMT报错：无法将字符串转为浮点数

核心问题原因 #

你训练模型时用了One-Hot编码处理分类变量，但直接传入原始字符串时，模型无法识别这些未编码的特征，所以抛出字符串转float的错误——模型只认编码后的数值型特征矩阵。

解决步骤 #

1. 保存训练时用的编码器+模型管道 #

训练阶段必须把预处理编码逻辑和模型绑定保存，不能只存模型。示例代码：

import pandas as pd
from sklearn.tree import DecisionTreeRegressor
from sklearn.preprocessing import OneHotEncoder
from sklearn.compose import ColumnTransformer
from sklearn.pipeline import Pipeline
import joblib

# 假设训练数据为df_train，包含特征列和NET_AMT标签列
categorical_cols = ['DEPARTMENT_NAME', 'Store_Type', 'MonthInCalendar']

# 构建预处理+模型的完整管道
preprocessor = ColumnTransformer(
    transformers=[
        ('cat_encode', OneHotEncoder(sparse_output=False, drop='first'), categorical_cols)
    ],
    remainder='passthrough'
)

model_pipeline = Pipeline([
    ('preprocess', preprocessor),
    ('regressor', DecisionTreeRegressor())
])

# 训练管道
model_pipeline.fit(df_train.drop('NET_AMT', axis=1), df_train['NET_AMT'])

# 保存整个管道
joblib.dump(model_pipeline, 'sales_pred_pipeline.pkl')

2. 用保存的管道处理新输入并预测 #

新输入的字符串必须通过同一个管道预处理，不能直接喂给模型。示例代码：

# 加载保存的管道
loaded_pipeline = joblib.load('sales_pred_pipeline.pkl')

# 构造符合格式的输入DataFrame（列名必须和训练集一致）
new_input = pd.DataFrame({
    'DEPARTMENT_NAME': ['Beef'],
    'Store_Type': ['Warehouse'],
    'MonthInCalendar': ['22-Dec']
})

# 直接预测
predicted_sales = loaded_pipeline.predict(new_input)
print(predicted_sales)

关于Label Encoding无效的说明 #

Label Encoding会给分类标签分配整数，但如果训练时的编码器没保存，或者新输入的标签在训练集里没出现过，一样会报错。用Pipeline绑定编码和模型是最稳妥的方式，能保证预处理逻辑完全和训练阶段一致。

关键注意事项 #

• 新输入的特征列名必须和训练数据的列名完全匹配，不能增减或改名。
• 训练时用的OneHotEncoder参数（比如drop='first'）会被管道保留，不用手动重复处理。
• 绝对不要单独保存模型，必须保存包含预处理步骤的完整管道，否则每次预测都要手动复刻编码逻辑，极易出错。

内容的提问来源于stack exchange，提问作者abc777