追加数据至DataFrame后重训模型报错：如何转为float类型？

1. 统一特征名为字符串 #

先解决特征名混合整数与字符串的警告，将所有数据集的列名转为字符串：

# 处理X的列名
X_train_init_new.columns = X_train_init_new.columns.astype(str)
X_test_init.columns = X_test_init.columns.astype(str)
X_pool.columns = X_pool.columns.astype(str)

# 处理y的列名（若y为DataFrame类型）
y_train_init_new.columns = y_train_init_new.columns.astype(str)
y_test_init.columns = y_test_init.columns.astype(str)

2. 将数据集转换为float类型 #

使用pd.to_numeric批量转换数据类型，同时处理无法转换为数值的异常值（转为NaN后按需填充或删除）：

# 转换X的所有列到float
X_train_init_new = X_train_init_new.apply(pd.to_numeric, errors='coerce')
X_test_init = X_test_init.apply(pd.to_numeric, errors='coerce')
X_pool = X_pool.apply(pd.to_numeric, errors='coerce')

# 转换y的所有列到float（多标签分类需确保标签为数值类型）
y_train_init_new = y_train_init_new.apply(pd.to_numeric, errors='coerce')
y_test_init = y_test_init.apply(pd.to_numeric, errors='coerce')

# 处理转换产生的NaN值（示例：用列均值填充特征，标签填充0）
X_train_init_new = X_train_init_new.fillna(X_train_init_new.mean())
X_test_init = X_test_init.fillna(X_test_init.mean())
X_pool = X_pool.fillna(X_pool.mean())
y_train_init_new = y_train_init_new.fillna(0)
y_test_init = y_test_init.fillna(0)

3. 修改后的完整调用流程 #

确保在调用模型前完成上述处理：

# 拼接数据
y_train_init_new = pd.concat([y_train_init, X_pool_labeled.iloc[:, -7:]])
X_train_init_new = pd.concat([X_train_init, X_pool_labeled.iloc[:, 0:27446]])

# 处理列名和数据类型
X_train_init_new.columns = X_train_init_new.columns.astype(str)
X_train_init_new = X_train_init_new.apply(pd.to_numeric, errors='coerce').fillna(X_train_init_new.mean())
y_train_init_new.columns = y_train_init_new.columns.astype(str)
y_train_init_new = y_train_init_new.apply(pd.to_numeric, errors='coerce').fillna(0)

X_test_init.columns = X_test_init.columns.astype(str)
X_test_init = X_test_init.apply(pd.to_numeric, errors='coerce').fillna(X_test_init.mean())
y_test_init.columns = y_test_init.columns.astype(str)
y_test_init = y_test_init.apply(pd.to_numeric, errors='coerce').fillna(0)

X_pool.columns = X_pool.columns.astype(str)
X_pool = X_pool.apply(pd.to_numeric, errors='coerce').fillna(X_pool.mean())

# 调用模型
model1_pool_preds = model1(LinearSVC(class_weight='balanced', random_state=42), 
                           OneVsRestClassifier, X_train_init_new, y_train_init_new, 
                           X_test_init, y_test_init, X_pool)

额外说明 #

• errors='coerce'会把无法转换为数值的字符串转为NaN，必须后续处理NaN值，否则模型训练会报错。
• 标签列的NaN处理需根据业务场景调整，比如多标签分类中，NaN可视为"无该标签"并填充0。

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