使用LabelEncoder处理DataFrame时报str与method比较TypeError如何解决

报错触发在np.unique的内部排序步骤，核心原因是你待编码的object类型列中存在混合类型值：除了字符串之外还混入了方法（method）类型的对象，排序时不同类型无法使用<比较，因此抛出TypeError。
另外你原有代码还存在一个隐性问题：复用同一个LabelEncoder实例处理多个列，会覆盖前序列的编码映射规则，后续如果需要反向转码会出现逻辑错误。

1. 先定位异常值（可选，用于排查数据问题）
   运行以下代码找出存在异常类型值的列：

for col in cc_apps.columns:
    if cc_apps[col].dtype == 'object':
        # 统计该列中不属于字符串/数值类型的异常值数量
        abnormal_cnt = cc_apps[col].apply(lambda x: not isinstance(x, (str, int, float))).sum()
        if abnormal_cnt > 0:
            print(f"列{col}存在{abnormal_cnt}个异常类型值")
            # 打印前5个异常值供排查
            print(cc_apps[col][cc_apps[col].apply(lambda x: not isinstance(x, (str, int, float)))].head())

2. 修复编码逻辑
   统一将object列的所有值转为字符串，同时为每一列单独实例化LabelEncoder：

from sklearn.preprocessing import LabelEncoder

for col in cc_apps.columns:
    if cc_apps[col].dtype == 'object':
        # 统一转成字符串，解决混合类型问题
        cc_apps[col] = cc_apps[col].astype(str)
        # 每列单独实例化编码器，避免编码映射被覆盖
        le = LabelEncoder()
        cc_apps[col] = le.fit_transform(cc_apps[col])

如果你不需要保留异常值，也可以选择将异常值替换为自定义的填充值：

for col in cc_apps.columns:
    if cc_apps[col].dtype == 'object':
        # 非字符串/数值类型统一替换为缺失标识
        cc_apps[col] = cc_apps[col].apply(lambda x: x if isinstance(x, (str, int, float)) else 'missing')
        le = LabelEncoder()
        cc_apps[col] = le.fit_transform(cc_apps[col])

内容的提问来源于stack exchange，提问作者Seif Mahdi