Python处理categorical数据时numpy.ndarray无label属性错误如何解决

问题原因 #

报错已经明确指向问题根源：你赋值给train的X_train本身是numpy数组（numpy.ndarray）类型，不是你预期的Pandas DataFrame，所以无法调用DataFrame才有的.label、.loc、.columns属性/方法。

排查步骤 #

• 首先执行print(type(X_train))确认X_train的类型，如果输出是<class 'numpy.ndarray'>就可以验证上述判断
• 再执行print(X_train.shape)查看数组维度，确认标签列所在的位置：常规结构化数据集通常最后一列/第一列为label列

解决方法 #

分两种场景选择对应方案：

方案1：保留DataFrame结构（后续需要用到Pandas相关方法时选这个） #

回溯生成X_train的代码，删掉多余的.values调用——很多开发者处理数据时会顺手加.values转成numpy数组，忘记后续还要用DataFrame属性。调整后你的原有代码可以正常运行：

# 调整生成X_train的代码后，确保X_train是Pandas DataFrame再执行后续逻辑
train = X_train
targets_numpy = train.label.values
features_numpy = train.loc[:,train.columns != "label"].values/255 # normalization

features_train, features_test, targets_train, targets_test = train_test_split(features_numpy,
                                                                              targets_numpy,
                                                                              test_size = 0.2,
                                                                              random_state = 42) 

方案2：直接基于numpy数组操作（不想修改上游生成逻辑时选这个） #

如果X_train已经确定是numpy数组，直接用数组切片提取特征和标签即可，假设label为数组最后一列，代码修改如下：

train = X_train
# 取最后一列作为标签
targets_numpy = train[:, -1]
# 取除最后一列外的所有列做归一化
features_numpy = train[:, :-1]/255 # normalization

features_train, features_test, targets_train, targets_test = train_test_split(features_numpy,
                                                                              targets_numpy,
                                                                              test_size = 0.2,
                                                                              random_state = 42) 

注：如果你的label不是最后一列，对应调整切片索引即可，比如label是第一列就改成train[:, 0]，特征取train[:, 1:]

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