Python 3.x 应用'时引发的类型错误；标签编码'；s-fit#u变换'；函数可用于创建对象类型的列

我正在尝试使用

scikit LabelEncoder

函数将列编码为数字格式

下面是我的数据帧的头和数据类型

cc_apps.head()

    0   1   2   3   4   5   6   7   8   9   10  11  12  13  14  15
0   b   30.83   0.000   u   g   w   v   1.25    t   t   1   f   g   00202   0   +
1   a   58.67   4.460   u   g   q   h   3.04    t   t   6   f   g   00043   560     +
2   a   24.50   0.500   u   g   q   h   1.50    t   f   0   f   g   00280   824     +
3   b   27.83   1.540   u   g   w   v   3.75    t   t   5   t   g   00100   3   +
4   b   20.17   5.625   u   g   w   v   1.71    t   f   0   f   s   00120   0   +

cc_apps.dtypes
0      object
1      object
2     float64
3      object
4      object
5      object
6      object
7     float64
8      object
9      object
10      int64
11     object
12     object
13     object
14      int64
15     object
dtype: object

下面是我将“object”类型列转换为数值列所做的操作

from sklearn.preprocessing import LabelEncoder
le=LabelEncoder()
for col in cc_apps.columns:
    if cc_apps[col].dtype=='object':
        cc_apps[col]=le.fit_transform(cc_apps[col])

TypeError: '<' not supported between instances of 'int' and 'str'
During handling of the above exception, another exception occurred:
TypeError: argument must be a string or number

来自sklearn.preprocessing导入标签编码器
le=标签编码（）
对于cc_apps.cols中的列：
如果cc_apps[col].dtype=='object'：
cc_应用程序[col]=le.fit_变换（cc_应用程序[col]）
TypeError:“在对satckoverflow本身进行了一些研究之后，我发现对象
cc_apps[col]
是一种混合类型，对于不同的列有不同的数据类型。因此，对于
le.fit_transform（）
工作的
cc_应用程序[col]
应强制为字符串类型

这意味着，代码的编码位如下所示。这对我很有用

from sklearn.preprocessing import LabelEncoder
le=LabelEncoder()
for col in cc_apps.columns:
    if cc_apps[col].dtype=='object':
        cc_apps[col]=le.fit_transform(cc_apps[col].astype(str))