Python调用ADASYN过采样时报str与float实例不支持操作错误咨询

核心错误原因 #

• 特征与标签拆分逻辑完全错误：你错误地将target为keep的整行数据作为特征集X，target为changing的整行数据作为标签y，X中包含了字符串类型的target列，ADASYN基于KNN计算样本距离时需要全数值输入，字符串与浮点数运算时触发该报错。
• 变量初始化顺序错误：在实例化ADASYN对象之前就调用了ada.fit_resample()，同时未初始化PCA就直接调用pca.transform()，会触发未定义变量报错。
• 变量名不匹配：最后打印统计结果时调用的y_res未定义，实际生成的重采样标签是y_resampled。
• 缺失依赖导入：代码中未导入pandas库就直接使用pd.read_csv()，会触发命名错误。
• 额外潜在问题：如果特征列中本身存在字符串类型的非数值字段，未做编码转换也会触发同类运算错误。

修复后可运行代码 #

import pandas as pd
from collections import Counter
from sklearn.decomposition import PCA
from imblearn.over_sampling import ADASYN
from sklearn.preprocessing import OneHotEncoder
from sklearn.compose import ColumnTransformer

# 读取数据集
df_train = pd.read_csv('F:/Master_study/Research_data/data/lankershim_label_data.csv')

# 正确拆分特征与标签
X = df_train.drop('target', axis=1)  # 特征集：去掉target列的所有字段
y = df_train['target']  # 标签集：仅target列

# 处理非数值特征（如果特征全为数值可跳过这部分）
# 识别数值列和非数值列
num_cols = X.select_dtypes(include=['int64', 'float64']).columns
cat_cols = X.select_dtypes(include=['object']).columns

# 定义编码处理器，非数值列做独热编码，数值列保持原样
preprocessor = ColumnTransformer(
    transformers=[
        ('num', 'passthrough', num_cols),
        ('cat', OneHotEncoder(sparse_output=False, drop='first'), cat_cols)
    ])

# 初始化ADASYN和PCA
ada = ADASYN(random_state=42)
pca = PCA(n_components=2, random_state=42) # 按需求调整降维维度

# 先处理特征编码，再过采样
X_processed = preprocessor.fit_transform(X)
X_resampled, y_resampled = ada.fit_resample(X_processed, y)

# PCA降维可视化用
X_res_vis = pca.fit_transform(X_resampled)

# 打印重采样后类别分布
print('Resampled dataset shape {}'.format(Counter(y_resampled)))

修正说明 #

• 调整了特征和标签的拆分逻辑，确保特征集不包含字符串类型的标签字段
• 补充了非数值特征的编码逻辑，保证输入ADASYN的特征全为数值类型
• 修正了变量初始化顺序，所有工具类先实例化再调用方法
• 修正了变量名不匹配的问题，打印时使用实际生成的重采样标签变量
• 补充了pandas的依赖导入

内容的提问来源于stack exchange，提问作者owais lateef