使用逻辑回归预测电信用户流失时遇ValueError错误求助

我在尝试用逻辑回归模型预测电信用户流失时，遇到了如下数据类型转换错误：

ValueError: Pandas data cast to numpy dtype of object. Check input data with np.asarray(data)

我的代码如下：

# Putting feature variable to X
X = churn_data.drop(['churn_status','Ph_No.'],axis=1)
# Putting response variable to y
y = churn_data['churn_status']
X_train, X_test, y_train, y_test = train_test_split(X,y, train_size=0.7,test_size=0.3,random_state=100)
logm1 = sm.GLM(y_train,(sm.add_constant(X_train)), family = sm.families.Binomial())
logm1.fit().summary()

排查与解决步骤 #

这个错误的核心原因是你的训练特征（X_train）中存在object类型的列，statsmodels的GLM模型无法直接处理字符串或非数值型的特征，必须先将它们转换为数值类型。下面是具体的解决流程：

1. 定位问题特征 #

首先运行这段代码，查看所有特征的数据类型，找出那些类型为object的列：

print(X_train.dtypes)

这些object类型的列（比如字符串形式的类别、未转换的文本字段）就是导致错误的元凶。

2. 处理非数值型特征 #

根据特征的实际类型，选择对应的转换方式：

• 类别型特征（如套餐类型、用户性别）：
  推荐使用独热编码（One-Hot Encoding），避免标签编码带来的顺序偏差。示例代码：

  # 替换成你实际的object类型特征列名
  categorical_cols = ['plan_type', 'gender']
  X_train = pd.get_dummies(X_train, columns=categorical_cols, drop_first=True)
  X_test = pd.get_dummies(X_test, columns=categorical_cols, drop_first=True)
  

  注意：必须保证训练集和测试集的编码规则一致，否则会出现特征不匹配的问题。
• 被误识别为object的数值型特征：
  如果某列本质是数值，但被识别为object（比如带逗号的数字、含异常字符的数值），可以强制转换为数值类型：

  # 替换成目标列名
  X_train['monthly_charge'] = pd.to_numeric(X_train['monthly_charge'], errors='coerce')
  # 处理转换产生的NaN值（比如用均值填充）
  X_train['monthly_charge'].fillna(X_train['monthly_charge'].mean(), inplace=True)
  X_test['monthly_charge'] = pd.to_numeric(X_test['monthly_charge'], errors='coerce')
  X_test['monthly_charge'].fillna(X_train['monthly_charge'].mean(), inplace=True)
  

• 无意义的文本/冗余特征：
  如果某些object列对模型没有帮助（比如用户ID、随机字符串），可以直接删除：

  X_train = X_train.drop(['useless_text_col'], axis=1)
  X_test = X_test.drop(['useless_text_col'], axis=1)
  

3. 验证转换结果 #

再次运行print(X_train.dtypes)，确认所有特征的类型都是int64或float64这类数值型，没有剩余的object列。

4. 重新训练模型 #

完成数据预处理后，重新运行你的模型代码：

logm1 = sm.GLM(y_train, sm.add_constant(X_train), family=sm.families.Binomial())
model_result = logm1.fit()
print(model_result.summary())

内容的提问来源于stack exchange，提问作者Kalyan Mohanty