“如何避免错误”；TypeError:einsum的数据类型无效；用Python

我尝试将CSV文件加载到numpy数组，并在LogisticRegression等中使用该数组。现在，我遇到的错误如下所示：

import numpy as np
import pandas as pd

from sklearn import preprocessing
from sklearn.linear_model import LogisticRegression    

dataset =  pd.read_csv('../Bookie_test.csv').values
X = dataset[1:, 32:34]
y = dataset[1:, 14]

# normalize the data attributes
normalized_X = preprocessing.normalize(X)
# standardize the data attributes
standardized_X = preprocessing.scale(X)

model = LogisticRegression()
model.fit(X, y)
print(model)
# make predictions
expected = y
predicted = model.predict(X)
# summarize the fit of the model
print(metrics.classification_report(expected, predicted))
print(metrics.confusion_matrix(expected, predicted))

我有一个错误：

> C:\Anaconda32\lib\site-packages\sklearn\utils\validation.py:332:
> UserWarning: The normalize function assumes floating point values as
> input, got object   "got %s" % (estimator, X.dtype)) Traceback (most
> recent call last):   File
> "X:/test3.py", line 23, in
> <module>
>     normalized_X = preprocessing.normalize(X)   File "C:\Anaconda32\lib\site-packages\sklearn\preprocessing\data.py", line
> 553, in normalize
>     norms = row_norms(X)   File "C:\Anaconda32\lib\site-packages\sklearn\utils\extmath.py", line 65,
> in row_norms
>     norms = np.einsum('ij,ij->i', X, X) TypeError: invalid data type for einsum

>C:\Anaconda32\lib\site packages\sklearn\utils\validation.py:332:
>UserWarning:normalize函数假定浮点值为
>输入，获取对象“获取%s”%（估计器，X.dtype））回溯（most
>最近调用（最后一次）：文件
>“X:/test3.py”，第23行，在
> 
>normalized_X=preprocessing.normalize（X）文件“C:\Anaconda32\lib\site packages\sklearn\preprocessing\data.py”，第行
>553，正常化
>norms=row_norms（X）文件“C:\Anaconda32\lib\site packages\sklearn\utils\extmath.py”，第65行，
>第四行规范
>norms=np.einsum（'ij，ij->i'，X，X）类型错误：einsum的数据类型无效

我是Python新手，不喜欢转换：

将CSV加载到熊猫

把熊猫变成裸体

在逻辑回归中使用NumPy

有没有简单的方法，比如：

给熊猫的食物

在ML方法中使用数据帧

---

关于主要问题，感谢Evert的建议，我将进行检查

关于#2：我发现了很棒的教程

---

我不明白你问题的后半部分与前半部分有什么关系。错误信息非常清楚：“normalize函数假定浮点值作为输入，got object”，因此您应该检查您在数据集中读取的内容。文件中的所有内容是否都是数字，可以通过

read\u csv

正确解析为数字？在加载csv时是否有机会跳过/忽略非

number

？文档提供了几十种读取\u csv的选项；你试过和他们玩吗？