Python预测模型报错：无法将字符串转换为float的解决方法

错误根源 #

报错ValueError: could not convert string to float: '22-23'的核心原因有两个：

1. 特征集x中存在字符串类型的字段（如区间格式22-23），scikit-learn模型仅支持数值型输入；
2. 多余的reshape(-1,1)操作破坏了多特征的结构，将原本的多列特征强行压缩为一列，完全不符合模型输入要求。

具体解决步骤 #

1. 转换字符串特征为数值型 #

针对22-23这类区间字符串，可根据业务需求选择以下处理方式：

方式一：提取区间均值

def convert_interval_to_mean(s):
    if '-' in str(s):
        parts = str(s).split('-')
        return (float(parts[0]) + float(parts[1])) / 2
    # 处理无'-'的字符串，尝试转为浮点数
    try:
        return float(s)
    except:
        # 无法转换时填充列均值，也可选择删除该行
        return x[col].mean()

# 遍历所有字符串类型列进行转换
for col in x.columns:
    if x[col].dtype == object:
        x[col] = x[col].apply(convert_interval_to_mean)

方式二：提取区间起始/结束值

如果区间的单侧数值更有业务意义，比如取起始值：

def convert_interval_to_start(s):
    if '-' in str(s):
        return float(str(s).split('-')[0])
    try:
        return float(s)
    except:
        return x[col].mean()

for col in x.columns:
    if x[col].dtype == object:
        x[col] = x[col].apply(convert_interval_to_start)

2. 删除错误的reshape操作 #

直接移除以下两行代码，x_treino作为DataFrame可直接输入模型，y_treino作为一维分类目标无需reshape：

# 删掉这两行错误代码
# x_treino = (x_treino.values.reshape(-1,1))
# y_treino = (y_treino.values.reshape(-1,1))

3. 验证数据类型 #

处理完成后，检查所有特征列是否已转为数值型：

print(x.dtypes)

确保输出中没有object类型的列。

完整修正后的代码 #

import pandas as pd
arquivo = pd.read_csv(r'C:\Users\prmatteo\OneDrive - COPERSUCAR S.A\Área de Trabalho\UNICA\Vendas - Açúcar.csv')
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline
from sklearn.model_selection import train_test_split
from sklearn.ensemble import ExtraTreesClassifier

# 处理目标变量（合并重复代码）
arquivo['TIPO DO PRODUTO'] = arquivo['TIPO DO PRODUTO'].replace({'BRANCO': 0, 'BRUTO': 1})

# 分离特征与目标变量
y = arquivo['TIPO DO PRODUTO']
x = arquivo.drop('TIPO DO PRODUTO', axis=1)

# 转换字符串特征为数值型（以均值为例）
def convert_interval_to_mean(s):
    if '-' in str(s):
        parts = str(s).split('-')
        return (float(parts[0]) + float(parts[1])) / 2
    try:
        return float(s)
    except:
        return x[col].mean()

for col in x.columns:
    if x[col].dtype == object:
        x[col] = x[col].apply(convert_interval_to_mean)

# 划分训练集与测试集
x_treino, x_teste, y_treino, y_teste = train_test_split(x, y, test_size=0.3)

# 训练模型
modelo = ExtraTreesClassifier()
modelo.fit(x_treino, y_treino)

# 评估与预测
resultado = modelo.score(x_teste, y_teste)
print(f'Acurácia: {resultado}')

previsoes = modelo.predict(x_teste[205:210])
print('Previsões:', previsoes)
print('Valores reais:', y_teste[205:210].values)

额外注意事项 #

• 如果存在其他类别型字符串特征（如非区间格式），可使用pd.get_dummies()做独热编码，或LabelEncoder处理有序类别；
• 若遇到无法转换的异常字符串，可根据数据量选择填充统计值（均值/中位数）或删除对应行。

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