Colab中Python垃圾邮件检测报ValueError无法转非有限值为整数如何解决

你调用map方法时，dt['type']列中存在不在映射字典{'Spam':1, 'ham':0}键中的值（比如拼写变体、空值NaN、其他非法分类值），这些值经过map处理后会被默认转为NaN。而你使用的pandas版本中，原生int类型不支持存储NaN值，执行astype(int)时就会触发该报错。
你可以先执行以下代码确认type列的所有取值情况：

print(dt['type'].value_counts(dropna=False))

• 方案1：先过滤异常值，仅保留合法分类后再做类型转换，适合不允许异常值进入后续训练的场景：

# 仅保留type为Spam/ham的行，避免产生NaN
dt = dt[dt['type'].isin(['Spam', 'ham'])].copy()
dt['Spam'] = dt['type'].map({'Spam':1, 'ham':0}).astype(int)

• 方案2：使用pandas可空整数类型，允许存在NaN值，适合需要保留所有行的场景（要求pandas版本≥0.24）：

# 注意Int64为首字母大写的pandas专属可空整数类型
dt['Spam'] = dt['type'].map({'Spam':1, 'ham':0}).astype('Int64')

• 方案3：先填充NaN为默认值再转int，适合可以给异常值分配默认标签的场景：

# 示例将异常值默认标记为非垃圾邮件0，可根据需求修改填充值
dt['Spam'] = dt['type'].map({'Spam':1, 'ham':0}).fillna(0).astype(int)

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