使用AIF360做偏差缓解时报DataFrame值必须为数值错误如何解决

BinaryLabelDataset要求传入的整个DataFrame所有字段均为数值类型，你只检查了income、gender两个字段的类型，其余未用到的列如果存在字符串、object、布尔等非数值类型，也会触发该报错。

按以下步骤排查处理即可：

• 第一步先定位非数值列，运行以下代码查看全表字段类型：
  print(df.dtypes)
• 选择对应方式处理：
  1. 若存在不需要用到的非数值列，直接截取需要的字段子集传入即可，示例：

  # 替换为你实际需要使用的所有特征列+标签列+受保护属性列
  used_cols = ['income', 'gender', 'age', 'education_num', 'work_hours']
  df_used = df[used_cols].copy()
  

  2. 若类别型字段需要保留参与训练，做数值编码转换即可：
     • 无序类别列用独热编码：df = pd.get_dummies(df, columns=['类别列名'])
     • 有序类别列用标签编码：

     from sklearn.preprocessing import LabelEncoder
     df['类别列名'] = LabelEncoder().fit_transform(df['类别列名'])
     

  3. 若存在看起来是数字实际存储为字符串的列，强制转换为数值：
     df['列名'] = pd.to_numeric(df['列名'], errors='coerce')
• 额外检查：提前处理DataFrame中的缺失值，缺失值也可能导致类型判断异常：
  df = df.fillna(0) # 可根据业务逻辑替换为均值、中位数等填充方式

# 预处理：只保留数值列 + 去除缺失值
df_processed = df.select_dtypes(include=['int64', 'float64']).dropna().copy()
# 构造数据集
binaryLabelDataset = aif360.datasets.BinaryLabelDataset(
    favorable_label=1,
    unfavorable_label=0,
    df= df_processed,
    label_names=['income'],
    protected_attribute_names=['gender'])

内容的提问来源于stack exchange，提问作者Germa