Python中创建不同组件数的PCA对象数组触发TypeError报错

你提前创建的pca_comp是数值类型的NumPy数组，这类数组和C语言里声明固定元素类型的数组逻辑类似，只允许存储数值类（int、float等）数据，当你尝试把PCA类的实例对象存入数组时，NumPy会默认尝试把对象转成float类型，自然触发float() argument must be a string or a number, not 'PCA'的类型错误。
类比C语言的场景就很好理解：相当于你提前声明了float pca_comp[5]的浮点型数组，却往数组元素位置塞自定义结构体类型的变量，类型不匹配直接报错。
另外你代码里samples = np.shape(pca_sizes)这行定义后没有被使用，属于冗余代码，可以直接删除。

你可以二选一实现存储不同参数PCA对象的需求：

• 方案1：直接用Python原生列表存储（最简便，推荐）
  Python原生列表不限制元素类型，可以存储任意类型的对象，不需要提前指定元素类型，直接追加元素即可：

  import numpy as np
  from sklearn.decomposition import PCA
  
  pca_sizes = np.array([10, 50, 100, 250, 500])
  pca_comp = []
  for n in pca_sizes:
      pca_comp.append(PCA(n_components=n))
  
  # 后续批量处理数据直接遍历列表即可
  # for pca in pca_comp:
  #     transformed_data = pca.fit_transform(your_data)
  

• 方案2：指定NumPy数组的存储类型为object
  如果你确实需要用NumPy数组存储，初始化数组时显式指定dtype=object，告诉NumPy该数组用于存储任意Python对象，不要做数值类型强制转换：

  import numpy as np
  from sklearn.decomposition import PCA
  
  pca_sizes = np.array([10, 50, 100, 250, 500])
  pca_comp = np.empty(len(pca_sizes), dtype=object)
  for i in range(len(pca_sizes)):
      pca_comp[i] = PCA(n_components=pca_sizes[i])
  

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