使用ID3算法构建决策树时遇float与str比较的TypeError

问题根源 #

报错TypeError: '<' not supported between instances of 'float' and 'str'的核心原因：

• 你的数据集包含数值型特征（mileage、engine size、year），但ID3算法默认只处理离散分类特征，代码未做适配
• 第7个特征year大概率存在混合数据类型（比如部分值是整数、部分是字符串格式的数字），或者代码对数值特征的处理逻辑错误，导致不同类型的值被直接比较

修复步骤 #

1. 统一所有特征的数据类型 #

先校验并转换数值特征的类型，确保无混合类型：

import pandas as pd

# 假设数据集存储在df中
# 转换year为整数，转换失败的行直接丢弃
df['year'] = pd.to_numeric(df['year'], errors='coerce')
df = df.dropna(subset=['year'])
# 对其他数值特征做同样处理
df['mileage'] = pd.to_numeric(df['mileage'], errors='coerce')
df['engine size'] = pd.to_numeric(df['engine size'], errors='coerce')
df = df.dropna()

2. 为数值特征添加离散化逻辑 #

ID3不支持连续数值特征，需将其转为离散分类：

def discretize_feature(data, feature):
    # 用中位数作为划分阈值，将数值分为两类
    threshold = data[feature].median()
    data[feature] = data[feature].apply(lambda x: f'≤{threshold}' if x <= threshold else f'>{threshold}')
    return data

# 对所有数值特征执行离散化
numeric_features = ['mileage', 'engine size', 'year']
for feat in numeric_features:
    df = discretize_feature(df, feat)

3. 检查特征处理逻辑的类型判断 #

在计算信息增益的代码中，添加类型校验，避免混合类型进入计算：

def calc_info_gain(data, feature, target_col):
    # 检查当前特征是否存在混合类型
    value_types = set(type(val) for val in data[feature])
    if len(value_types) > 1:
        raise ValueError(f"特征 {feature} 存在混合数据类型，请先处理")
    # 后续信息增益计算逻辑...

重点排查点 #

因为错误在处理第7个特征（year）后触发，优先检查：

• year列是否存在类似"2020"（字符串）和2021（整数）并存的情况
• 代码中处理year特征时，是否有直接将数值与字符串做比较的逻辑

内容的提问来源于stack exchange，提问作者Frank Russo