如何对DataFrame非数值列编码以运行corr()？遇类型错误求解决

错误原因 #

出现TypeError: '<' not supported between instances of 'int' and 'str'是因为目标列（比如Department）中同时存在整数和字符串类型的数据，LabelEncoder无法直接处理混合类型的列。

解决步骤 #

1. 统一列数据类型为字符串
   先将目标列强制转换为字符串格式，确保所有值类型一致：

   X_train['Department'] = X_train['Department'].astype(str)
   

2. 执行LabelEncoder编码
   类型统一后再进行编码操作：

   from sklearn import preprocessing
   le = preprocessing.LabelEncoder()
   X_train['Department'] = le.fit_transform(X_train['Department'])
   

3. 批量处理多列（可选）
   如果要同时处理Department、Location等多个非数值列，用循环简化操作：

   from sklearn import preprocessing
   le = preprocessing.LabelEncoder()
   cat_cols = ['Department', 'Location']
   for col in cat_cols:
       X_train[col] = X_train[col].astype(str)
       X_train[col] = le.fit_transform(X_train[col])
   

额外提示 #

编码完成后即可正常调用corr()计算相关性。需要注意：LabelEncoder是序数编码，若类别没有内在顺序逻辑，OneHotEncoder会更合适，但OneHotEncoder生成的稀疏矩阵需转为DataFrame后才能计算相关性；如果只是为了快速解决类型问题并计算相关性，上述方法完全可行。

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