sklearn Pipeline文本转换后运行RandomForestClassifier报int与str比较TypeError

报错发生在模型对目标标签Y进行合法性校验的阶段，和你编写的特征处理Pipeline无关。根本原因是你的Y标签序列中混合存储了int和str两种类型的值，比如同时存在1（整数）和"1"（字符串）、2和"3"这类值。sklearn在校验分类标签时会调用np.unique()去重，该方法需要对值排序，而int和str类型之间无法执行大小比较，因此抛出该错误。
你之前单独验证CountVectorizer转换正常，是因为该步骤仅处理特征X，不涉及目标标签Y，因此无法提前暴露Y的类型问题。

• 执行代码print(Y.unique())，查看输出的标签值是否同时存在不带引号的数字和带引号的字符串
• 执行代码print(Y.apply(type).unique())，查看输出的类型列表是否同时包含<class 'int'>和<class 'str'>
  只要上述任意一项符合，就能确认是Y标签类型混合的问题。

将Y标签统一转换为同一种类型即可，二选一：

1. 若标签本质为数值分类，统一转成整数类型：

Y = Y.astype(int)

2. 若标签允许为字符串格式，统一转成字符串类型：

Y = Y.astype(str)

转换完成后再执行数据集切分、模型拟合的代码即可正常运行。

内容的提问来源于stack exchange，提问作者eliavs