拆分训练测试集后调用to_dict(orient='records')报TypeError求助

1. 定位问题变量 #

先在函数里加入检查代码，找出四个变量中哪个触发了错误：

# 打印变量类型，确认是否为pandas结构
print("变量类型：", type(X_train), type(X_test), type(y_train), type(y_test))

# 逐个测试转换，定位出错项
for name, var in zip(["X_train", "X_test", "y_train", "y_test"], [X_train, X_test, y_train, y_test]):
    try:
        var.to_dict(orient='records')
        print(f"{name} 转换正常")
    except Exception as e:
        print(f"{name} 转换失败：{str(e)}")

2. 修复非pandas类型变量 #

最常见的问题是某个变量被转换成了numpy数组（比如用train_test_split时不小心转成数组，或者手动调用了to_numpy()），此时需要先转成pandas的DataFrame/Series再调用to_dict：

• 一维数组（如标签列y_train/y_test）：

y_train_dict = pd.Series(y_train).to_dict(orient='records')

• 二维数组（如特征列X_train/X_test）：

X_train_dict = pd.DataFrame(X_train).to_dict(orient='records')

3. 修正函数返回逻辑 #

确保所有变量都以pandas结构执行转换，示例修改后的函数：

import pandas as pd
from sklearn.model_selection import train_test_split

def balance_dataset_fun(df):
    # 数据集拆分逻辑（根据你的实际代码调整）
    X = df.drop('target', axis=1)
    y = df['target']
    X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)
    
    # 强制转换为pandas结构，避免类型异常
    X_train = pd.DataFrame(X_train) if not isinstance(X_train, pd.DataFrame) else X_train
    X_test = pd.DataFrame(X_test) if not isinstance(X_test, pd.DataFrame) else X_test
    y_train = pd.Series(y_train) if not isinstance(y_train, pd.Series) else y_train
    y_test = pd.Series(y_test) if not isinstance(y_test, pd.Series) else y_test
    
    # 转换为字典格式返回
    return (
        X_train.to_dict(orient='records'),
        X_test.to_dict(orient='records'),
        y_train.to_dict(orient='records'),
        y_test.to_dict(orient='records')
    )

4. 额外排查点 #

• 检查拆分代码是否手动将pandas对象转成了数组（比如调用了.values或.to_numpy()），如果有，去掉这类操作；
• 确认没有其他函数修改了这四个变量的类型，比如某些数据预处理步骤意外改变了变量结构。

内容的提问来源于stack exchange，提问作者Apoorva