tf.data.Dataset.from_tensor_slices创建数据集报Unsupported object type float错误

你遇到的报错核心是tf.data.Dataset.from_tensor_slices无法将混合类型的object类numpy数组转换为Tensor：
虽然train['email'].values被判定为字符串类型ndarray，但只要列中存在缺失值，pandas会自动插入float类型的NaN填充，此时整个数组的dtype会变为object而非纯字符串类型，TensorFlow识别到数组中混入了float类型的非法值，就会抛出对应错误。
你也可以同步排查label列是否存在空值或类型异常的情况，也可能触发同类报错。

• 第一步：清理email列的异常值
  先确认缺失值数量：

  print(train['email'].isna().sum(), validation['email'].isna().sum())
  

  根据业务需求选择删除空值行或填充默认值：

  # 方案1：删除包含空email的行
  train = train.dropna(subset=['email']).reset_index(drop=True)
  validation = validation.dropna(subset=['email']).reset_index(drop=True)
  
  # 方案2：用空字符串填充缺失的email值
  train['email'] = train['email'].fillna('')
  validation['email'] = validation['email'].fillna('')
  

• 第二步：强制转换为纯字符串类型，避免object类型残留

  train['email'] = train['email'].astype(str)
  validation['email'] = validation['email'].astype(str)
  

完成上述操作后再执行原数据集构建代码即可正常运行。

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