Python 2.7 Countvectorizer scikit learn中的TypeError:应为字符串或缓冲区

我试图解决一个分类问题。当我将文本馈送到CountVectorizer时，它会给出错误：

应为字符串或缓冲区

我的数据集有什么问题吗？因为它包含数字和单词的混合消息，甚至消息中也包含特殊字符

消息的外观示例如下所示：

0         I have not received my gifts which I ordered ok
1                 hth her wells idyll McGill kooky bbc.co
2                                   test test test 1 test
3                                                    test
4                         hello where is my reward points
5       hi, can you get koovs coupons or vouchers here...

下面是我用来分类的代码：

import pandas as pd
from sklearn.feature_extraction.text import CountVectorizer
df = pd.read_excel('training_data.xlsx')
X_train = df.message
print X_train.shape
map_class_label = {'checkin':0, 'greeting':1,'more reward options':2,'noclass':3, 'other':4,'points':5,
                           'referral points':6,'snapbill':7, 'thanks':8,'voucher not working':9,'voucher':10}
df['label_num'] = df['Final Category'].map(map_class_label)
y_train = df.label_num
vectorizer = CountVectorizer(lowercase=False,decode_error='ignore')
X_train_dtm = vectorizer.fit_transform(X_train)

---

您需要通过将列

消息

转换为

字符串

，因为数据中有一些数值：

df = pd.read_excel('training_data.xlsx')
df['message'] = df['message'].values.astype('unicode')
...
...

---

通过只传递一个字符串，我得到了相同的错误，如下所示：

cv.fit_transform('Making my way down,')

cv.fit_transform(['Making my way down,', ])

相反，您必须传递带有字符串的列表，如下所示：

cv.fit_transform('Making my way down,')

cv.fit_transform(['Making my way down,', ])

---

@jezrael Final Category是与每条消息相对应的类标签（文本数据），我通过映射到label_num列将其更改为数值。它并没有在我没有展示的数据集中丢失。当我尝试使用countvectorizer拟合和转换消息时出现问题。我的解决方案是否有效？由于UnicodeEncodeError错误，无法转换。我还尝试了df.message.apply（str）.Hmmm，我有一个想法-可能在Excel列中设置

message

to string？比您要多。