使用SelectKBest fit时触发ValueError：无法将字符串转为浮点数

首先，你的错误根源是混淆了iloc的行索引和列索引使用方式，导致X和y取到了错误的数据，进而出现字符串无法转成数值的问题。

核心问题拆解 #

• X的取值错误：
  你写的X = data.iloc[6:]是取DataFrame中第6行及之后的所有行，而非你注释里提到的“特征列”。这导致X中混入了电影名称这类字符串数据，而chi2特征选择要求输入特征必须是数值型，自然会抛出could not convert string to float的错误。
• y的取值错误：
  y = genre_to_binary(data.iloc[1])是取第1行整行数据传入函数，而非目标的genre列，完全不符合监督学习中特征与标签的对应逻辑。

修正后的代码 #

import pandas as pd
import numpy as np
from sklearn.feature_selection import SelectKBest
from sklearn.feature_selection import chi2
from sklearn.ensemble import ExtraTreesClassifier

def genre_to_binary(series):
    # 用pandas内置方法替代循环，更简洁高效
    return series.map({"action": 0, "other": 1})  # 非action类别统一映射为1，可根据实际需求调整

# 读取数据
data = pd.read_csv("movies.csv")

# 正确获取特征X：排除genre列，取其余所有列作为特征
X = data.drop("genre", axis=1)
# 若明确genre列的位置，也可以用iloc指定列范围，比如genre是第2列时：X = data.iloc[:, 2:]

# 正确获取标签y：提取genre列传入转换函数
y = genre_to_binary(data["genre"])

# 预处理：确保X为数值型（若存在字符串特征需额外编码，这里先处理非数值值）
X = X.apply(pd.to_numeric, errors="coerce").fillna(0)

# 执行特征选择
bestfeatures = SelectKBest(score_func=chi2, k=10)
fit = bestfeatures.fit(X, y)

额外优化建议 #

• 字符串特征处理：如果特征列中还有电影名、导演名这类字符串数据，不能直接用于chi2计算，需要先做编码（比如OneHotEncoder处理无序分类特征）。
• 数据校验习惯：在运行核心逻辑前，建议打印X.head()和y.head()，确认取到的是正确的特征与标签数据。
• 函数效率优化：原代码用循环+np.append的方式转换标签效率极低，改用pandas的map方法更符合数据处理的最佳实践。

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