调用Gower距离函数遇TypeError类型不匹配错误求助

我来帮你拆解这个问题——其实核心是数据类型不匹配的小坑，在你减少特征之后暴露出来了。

为什么减少特征会触发错误？ #

先看报错信息的关键部分：TypeError: ufunc 'true_divide' output (typecode 'd') could not be coerced to provided output parameter (typecode 'q')
这里的'd'代表浮点数（float64），'q'代表整数（int64）。原因很简单：

• 你之前的数据集包含更多特征，其中应该混合了整数和浮点类型的特征，所以函数里处理数值特征的X_num数组是浮点类型，np.zeros_like(X_num)生成的也是浮点数组，除法后的浮点数结果可以正常存入。
• 但减少特征后，剩下的所有数值特征都是整数类型，导致X_num变成了整数数组，np.zeros_like(X_num)生成的也是整数数组。而np.divide执行除法必然会输出浮点数，Python的same_kind类型转换规则不允许把浮点数强行存入整数数组，所以直接报错了。

两种快速修复方法 #

方法1：在调用函数前转换数据类型 #

在传入gower_distances之前，把你的输入数组X转换成浮点类型，这样函数内部的X_num也会是浮点数组，类型就匹配了：

# 转换X为float64类型后再传入
Gower = gf.gower_distances(X.astype(np.float64))

方法2：修改gower_function.py的代码 #

找到报错的第184行，把生成输出数组的部分改成强制浮点类型，不管输入是整数还是浮点都能适配：

# 替换原来的行，明确指定dtype为float64
X_num = np.divide(X_num ,max_of_numeric,out=np.zeros_like(X_num, dtype=np.float64), where=max_of_numeric!=0)

验证你的数据集类型 #

你可以先确认一下现在的X数据类型，验证这个分析：

print(X.dtype)

如果输出是int64，就完全符合我们的判断——之前的数据集因为有浮点特征，X.dtype是float64，所以没触发这个问题。

内容的提问来源于stack exchange，提问作者Beg