Python 将numpy数组转换为张量

我刚刚开始学习使用tensorflow进行机器学习。我基本上是在尝试使用Iris数据集，我想做的是将numpy数组转换为张量。因此，我使用pandas.read_csv（）读取我的数据集，然后将其转换为numpy数组，然后我想将其转换为张量。但出于某种原因，我这样做时出错

Following is the code :

import tensorflow as tf
import numpy as np
import pandas as pd
from sklearn.utils import shuffle

data =pd.read_csv('###filepath####')
data=shuffle(data)
print type(data)
print data.values
data=np.asarray(data)
print type(data)
data_tf1 = tf.convert_to_tensor(data)

The error displayed is as follows:
TypeError: Expected binary or unicode string, got 5.6

现在，数据集由5行组成，其中4行是float类型，一行是字符串。数据集确实被转换为numpy数组，我也能够检索值，但将其转换为张量才是问题所在

我想知道的是： 由具有不同数据类型的值组成的numpy数组能否转换为张量

---

注：我知道可能有其他方法可以解决这个问题，我正在尽我最大的努力把它们都弄清楚，我只是想知道我的查询是否有效，或者是否没有办法完成

据我所知，张量中的所有值都应该是相同的类型，例如

tf.float32

或

tf.float64

，然后使用参数

dtype

指定类型。为什么在张量中需要不同的数据类型呢？那么，如果我有一个数据集，它由数字数据和字符串数据组成，我想同时使用它们，是不是没有办法做到这一点？我只是有点困惑是的，你把字符串数据转换成数字格式。因为您正在谈论iris数据集，所以可以将

setosa

分配到0.0，

versicolor

分配到1.0，

virginica

分配到2.0。在机器学习中处理分类特征/标签时，这是非常标准的。在Python中，有几种方法可以将分类数据转换为数字数据，例如

LabelEncoder

。看看这里的例子，好吧，我会尝试一下，只是为了澄清我的疑问，张量不能有多个数据类型的值，对吗？