如何将Object类型列转换为PyTorch Tensor？现有方案是否可行？

问题 #

我是机器学习与Python新手，正在处理包含2列Object类型及大量Float类型列的数据。将Float类型列转换为Tensor的代码可正常运行：

cont_cols = ['row_id', 'player1','player2','playervar_0','player_1'] 
conts = np.stack([train_df[col].values for col in cont_cols],1)
conts = torch.tensor(conts,dtype= torch.float)

但转换Object类型列时执行以下代码触发报错：

obj_cols = ['winner','team'] 
objs = np.stack([train_df[col].values for col in obj_cols],1)
objs = torch.tensor(objs, dtype= torch.float)

报错信息：

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
Cell In[60], line 2
      1 objs = np.stack([train_df[col].values for col in obj_cols],1)
----> 2 objs = torch.tensor(objs, dtype= torch.float)

TypeError: can't convert np.ndarray of type numpy.object_. The only supported types are: float64, float32, float16, complex64, complex128, int64, int32, int16, int8, uint8, and bool.

补充说明：winner列取值为winner、loser、draw，team列取值为team1、team2。我尝试通过映射将类别转为数值后成功转换：

train_df['winner'] = train_df['winner'].map({'loser': 0, 'winner': 1, 'draw': 2})
train_df['team'] = train_df['team'].map({'team1': 0, 'team2': 1})
obj_cols = ['winner','team'] 
objs = np.stack([train_df[col].values.tolist() for col in obj_cols],1)
objs = torch.tensor(objs, dtype= torch.float)
objs[:5]
# 输出：
# tensor([[1., 0.],
#         [0., 1.],
#         [0., 0.],
#         [0., 1.],
#         [2., 0.]])

请问该方法是否可行？是否有更优的处理方案？

回答 #

你的方法完全可行 #

手动映射类别到数值的方式是处理类别型数据的基础方案之一，逻辑清晰，尤其适合类别取值明确、数量较少的场景（比如你这里的2类、3类特征），转换后的数据可正常转为PyTorch Tensor，满足后续模型输入要求。

更优处理方案 #

针对类别型数据的转换，有几种更高效、规范的方式：

1. 使用sklearn.preprocessing.LabelEncoder自动编码
   无需手动编写映射字典，适合类别数量较多的场景，能自动将字符串类别映射为连续整数：

from sklearn.preprocessing import LabelEncoder

le = LabelEncoder()
# 对每个类别列逐一编码
for col in obj_cols:
    train_df[col] = le.fit_transform(train_df[col])
# 转换为Tensor：建议用torch.long类型（适配后续Embedding层输入）
objs = torch.tensor(train_df[obj_cols].values, dtype=torch.long)

若需保留类别与数值的对应关系，可通过le.classes_查看原始类别列表，列表索引即为对应的编码值。

2. 使用Pandas原生类别类型转换
   利用Pandas的category类型直接提取编码，操作更简洁：

# 将Object列转为category类型
train_df['winner'] = train_df['winner'].astype('category')
train_df['team'] = train_df['team'].astype('category')
# 提取编码并转为Tensor
objs = torch.tensor(
    np.stack([train_df[col].cat.codes.values for col in obj_cols], axis=1),
    dtype=torch.long
)

3. 模型适配优化建议
   如果后续需要对类别特征做嵌入（Embedding）处理，务必将Tensor类型设为torch.long而非torch.float——PyTorch的Embedding层要求输入为整数类型的索引，这样能避免不必要的类型转换开销，提升模型运行效率。

内容的提问来源于stack exchange，提问作者sarika