Python报错：无法将字符串'male'转为float的问题求助

问题场景 #

运行以下KNN分类代码时触发类型错误：

import pandas as pd
import matplotlib.pyplot as plt
from sklearn.neighbors import KNeighborsClassifier
from sklearn.neighbors import KNeighborsRegressor
from io import StringIO
d = pd.read_csv("http://www.stat.wisc.edu/~jgillett/451/data/kaggle_titanic_train.csv")
data  =d[['Survived','Pclass','Sex','Age','SibSp','Parch']]
y = data.Survived
X = data[['Pclass','Sex','Age','SibSp','Parch']]
k = 3
knn = KNeighborsClassifier(n_neighbors=k, weights='distance', metric='euclidean')
knn.fit(X, y)

尝试执行data.Sex=data[['Sex']].astype(float)转换类型，错误依然存在。

核心原因 #

Sex列的取值是**"male"/"female"这类语义化字符串**，Python无法直接将非数值型字符串转换为浮点数——astype(float)仅能转换可解析为数字的字符串（比如"123"），而"male"这类字符串没有对应的浮点数值映射，因此转换必然失败。

正确处理方案 #

对于性别这种类别型特征，需要先将其转换为模型可识别的数值类型，常见两种方式：

1. 标签编码（适合二分类特征） #

直接将字符串标签映射为整数：

# 方法一：手动替换
data['Sex'] = data['Sex'].map({'male': 0, 'female': 1})

# 方法二：使用sklearn工具
from sklearn.preprocessing import LabelEncoder
le = LabelEncoder()
data['Sex'] = le.fit_transform(data['Sex'])

2. 独热编码（适合多分类特征，避免模型误解类别优先级） #

将类别特征拆分为二进制列，消除类别间的顺序歧义：

data = pd.get_dummies(data, columns=['Sex'], drop_first=True)
# 处理后生成`Sex_male`列：1代表男性，0代表女性

最终训练流程 #

确认所有特征均为数值类型后，重新拆分特征矩阵与目标变量，再训练模型：

y = data.Survived
# 若使用独热编码，X的列名需改为`Sex_male`
X = data[['Pclass','Sex','Age','SibSp','Parch']]
knn = KNeighborsClassifier(n_neighbors=3, weights='distance', metric='euclidean')
knn.fit(X, y)

内容的提问来源于stack exchange，提问作者Johnny