如何将Object类型列转为自定义分类值？遇类型错误求解决

1. 用映射字典直接转换（最推荐） #

直接给每个类别指定对应数值，用map()方法完成转换，完全可控，还能避开自动编码的问题。

示例代码：

import pandas as pd

# 假设你的DataFrame是df，要处理的列叫'energy_type'
# 先写好自定义映射关系
type_mapping = {
    'Gas': 1,
    'Unbekannt': 2,
    'Alternativ': 4,
    'Öl': 5,
    'Elektro': 3,
    'Kohle': 6  # 按你的需求补全所有类别
}

# 先处理列里的NaN（这是触发isnan错误的核心原因——列里混了字符串和float类型的空值）
# 要么把空值转成字符串标记，要么直接设成特定数值
df['energy_type'] = df['energy_type'].fillna('Missing')

# 执行映射，生成新的编码列
df['energy_encoded'] = df['energy_type'].map(type_mapping)

2. 解决TypeError的关键 #

你碰到的TypeError: ufunc 'isnan' not supported...，本质是目标列里同时存在字符串和NaN（float类型空值），不管是astype还是LabelEncoder都没法处理这种混合类型。解决要点：

• 先统一列的类型：把所有空值转换成字符串（比如'Missing'），或者直接填充为你指定的数值（比如0）
• 确保映射字典覆盖列里所有出现的类别，避免出现未匹配项导致结果为NaN

3. 替代方案：用分类类型实现 #

如果需要保留分类特性同时自定义编码，可以用pandas的分类类型：

# 定义分类的顺序（可以不用，但ordered=True能保留排序逻辑）
cat_dtype = pd.CategoricalDtype(
    categories=['Gas', 'Unbekannt', 'Elektro', 'Alternativ', 'Öl', 'Kohle'],
    ordered=True
)
# 把列转成分类类型
df['energy_type'] = df['energy_type'].astype(cat_dtype)
# 转换成自定义数值（如果用codes是从0开始，不想用的话直接用上面的map方法）
df['energy_encoded'] = df['energy_type'].map(type_mapping)

为啥LabelEncoder循环会报错？ #

LabelEncoder要求输入的数组是纯字符串或纯数值，一旦列里混了NaN（float类型），就会触发类型不兼容的错误。而map()方法对混合类型的处理更灵活，提前处理好NaN就行。

内容的提问来源于stack exchange，提问作者Christoph Ehler