如何筛选data_type=object的列？需调整代码指定该类列为categorical_features

直接用select_dtypes()方法就能精准筛选出数据类型为object的列，替换你原来的categorical_features赋值语句即可：

修改后的完整代码 #

from sklearn.preprocessing import LabelEncoder

encoder = LabelEncoder()
# 仅选取数据类型为object的列
categorical_features = df.select_dtypes(include=['object']).columns.tolist()
for col in categorical_features:
    # 注意：LabelEncoder不支持含缺失值的列，若数据有缺失需先处理（比如df[col].fillna('Unknown')）
    df[col] = encoder.fit_transform(df[col])
df.head(20)

补充说明 #

• 如果你的数据里还有category类型的分类列需要一并处理，可以把include参数改成['object', 'category']
• 运行前确认目标列没有缺失值，否则LabelEncoder会抛出错误，可提前用填充或删除缺失值的方式处理

内容的提问来源于stack exchange，提问作者aarthi sharma