使用MultinomialNB处理CSV时出现TypeError: string indices must be integers如何修复

错误原因 #

你当前触发报错的核心问题是Pandas DataFrame的遍历方式错误：直接写for row in dataset时，遍历返回的是每列的列名字符串，而非行数据，因此你尝试用row['Text']对字符串做索引时就会触发TypeError: string indices must be integers。

除此之外你的代码还存在3处逻辑问题：

• CountVectorizer没有先拟合（fit）语料生成词汇表，直接调用transform会报错
• MultinomialNB模型没有提前使用标注好的训练数据拟合，无法直接执行预测
• 循环内直接给dataset['Type']赋值会覆盖整个列的内容，无法实现逐行写入预测结果的需求

修复代码 #

Pandas支持向量化操作，不需要写循环遍历每行，直接批量处理整列数据即可，修复后代码如下：

from sklearn.naive_bayes import MultinomialNB
import pandas as pd
from sklearn.feature_extraction.text import CountVectorizer

# 读取数据
dataset = pd.read_csv("Test.csv", encoding='latin-1')

# 初始化特征提取器和分类器
cv = CountVectorizer()
clf = MultinomialNB()

# --------------------------
# 注意：此处需要补充你的训练逻辑，你需要有标注好的训练数据先拟合cv和clf
# 示例训练逻辑（替换为你自己的训练数据）：
# X_train = cv.fit_transform(训练数据的文本列)
# y_train = 训练数据的标注列
# clf.fit(X_train, y_train)
# --------------------------

# 批量预测测试集文本类型
X_test = cv.transform(dataset['Text'])
dataset['Type'] = clf.predict(X_test)

# 保存结果到新文件
dataset.to_csv("Test_with_Type.csv", index=False, encoding='latin-1')

如果你确实需要逐行遍历（不推荐，效率远低于向量化操作），可以改用iterrows()方法遍历，示例如下：

pred_list = []
for idx, row in dataset.iterrows():
    text = row['Text']
    data = cv.transform([text])
    pred_list.append(clf.predict(data)[0])
dataset['Type'] = pred_list

内容的提问来源于stack exchange，提问作者Heleneh