绘制TSNE图时遇TypeError：必须是实数而非字符串，求解决

错误根源 #

TSNE的fit_transform方法要求输入的特征数据必须是纯数值类型（int/float），你的报错说明：要么特征矩阵X里包含字符串类型的列，要么标签列y存的是字符串格式的"0"/"1"，而非数值型的0/1。

分步解决 #

1. 检查并转换特征矩阵X的类型

先查看数据列的类型，定位字符串列：

print(df_new.dtypes)

找到类型为object的列，按情况转换：

• 分类字符串列（比如"男"/"女"这类离散值）：用标签编码转成数值

from sklearn.preprocessing import LabelEncoder

le = LabelEncoder()
# 遍历所有object类型的列，逐一编码
for col in X.columns[X.dtypes == 'object']:
    X[col] = le.fit_transform(X[col])

• 文本类字符串（无法用标签编码）：需要先做文本特征提取（比如TF-IDF），再传入TSNE

2. 确保标签y是数值类型

检查y的类型和样本值，若为字符串则转换为整数：

# 先查看y的类型和取值
print(y.dtypes)
print(y.unique())

# 转换为数值型
y = pd.to_numeric(y, errors='coerce')
# 如果确定只有"0"/"1"，也可以直接转int
y = y.astype(int)

3. 优化代码中的索引逻辑（可选，更简洁不易错）

原代码用np.where的写法可以简化为布尔索引，避免维度问题：

def tsne_plot(x, y):
    sns.set(style="whitegrid")
    tsne = TSNE(n_components=2, random_state=0)
    X_transformed = tsne.fit_transform(x)
  
    plt.figure(figsize=(12, 8))
    # 用布尔索引直接筛选样本
    plt.scatter(X_transformed[y == 0, 0], 
                X_transformed[y == 0, 1],
                marker='o', color='y', linewidth=1,
                alpha=0.8, label='Normal')
    plt.scatter(X_transformed[y == 1, 0],
                X_transformed[y == 1, 1],
                marker='o', color='k', linewidth=1,
                alpha=0.8, label='Abnormal')
  
    plt.legend(loc='best')
    plt.show()

内容的提问来源于stack exchange，提问作者Kudjoe Erik