sklearn LinearRegression fit报错：无法将字符串转为float:'{}' 求助

使用线性回归算法训练模型，执行训练代码lin_reg_model.fit(X_train,Y_train)时抛出如下报错：

ValueError Traceback (most recent call last) in ()
----> 1 lin_reg_model.fit(X_train,Y_train)

4 frames /usr/local/lib/python3.7/dist-packages/pandas/core/generic.py in array(self, dtype) 1991 1992 def array(self, dtype: NpDtype | None = None) -> np.ndarray:
-> 1993 return np.asarray(self._values, dtype=dtype) 1994 1995 def array_wrap(

ValueError: could not convert string to float: '{}'

• 线性回归模型训练仅接收数值型输入，当前传入的X_train或Y_train中存在字符串类型内容，numpy无法自动将其转换为浮点型数值，因此触发报错。
• 常见诱因：
  • 特征列存在未做编码的分类文本值，比如性别、地区类的文字取值
  • 数据清洗不彻底，存在'{}'这类字符串格式的缺失值占位符，未被识别处理
  • 数值列被错误存储为object类型，混入了非数字内容，比如表头串入数据行、异常文本写入数值字段

1. 定位异常列
   先运行代码确认数据类型，找出存在非数值内容的字段：

# 打印训练特征、标签的所有列数据类型
print("X_train各列类型：\n", X_train.dtypes)
print("Y_train类型：", Y_train.dtype)

# 遍历所有object类型列，查看具体取值确认异常内容
for col in X_train.select_dtypes(include=['object']).columns:
    print(f"\n列[{col}]的前10个唯一取值：", X_train[col].unique()[:10])

如果标签列Y_train是object类型，用同样方法查看Y_train的取值即可。

2. 针对性处理异常数据

• 场景1：字段为分类文本特征
  无序分类用独热编码转换，有序分类用标签编码转换，示例：

  import pandas as pd
  # 替换为实际的分类列名列表
  cat_cols = ["列名1", "列名2"]
  X_train = pd.get_dummies(X_train, columns=cat_cols, drop_first=True)
  

• 场景2：存在字符串格式的缺失值占位符
  先把'{}'这类占位符替换为标准空值，再做填充或删除：

  import numpy as np
  # 替换指定字符串为空值
  X_train = X_train.replace('{}', np.nan)
  # 数值列用中位数填充空值，也可根据业务场景选择均值、众数填充或删除空行
  num_cols = X_train.select_dtypes(include=[np.number]).columns
  X_train[num_cols] = X_train[num_cols].fillna(X_train[num_cols].median())
  

• 场景3：数值列被误存为字符串类型
  强制转换字段类型，异常值转为空值后统一处理：

  # 替换为实际被误存为字符串的数值列名列表
  num_str_cols = ["列名3", "列名4"]
  for col in num_str_cols:
      X_train[col] = pd.to_numeric(X_train[col], errors='coerce')
  

3. 校验后重跑
   处理完成后再次执行print(X_train.dtypes, Y_train.dtype)，确认所有输入字段均为int/float数值类型，重新运行训练代码即可正常执行。

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