Python，类型错误，在StandardScaler转换后使用对象而不是浮点

我的代码是

a, b = train_df1.iloc[:,1:7].values, train_df1.iloc[:,0].values
c = test_df1.iloc[:,0:6].values

from sklearn.preprocessing import StandardScaler
std = StandardScaler()
a_t= std.fit_transform(a)
c_t = std.transform(c)

我有两个数据帧train_df1和test_df1

我用这些创建了a，b，c

这里的问题是a和b分别是float64和int64类型

但是c是对象类型，这就是为什么它在下一个代码中显示类型错误的原因

如何将c更改为浮点类型，以避免后续代码的类型错误

错误消息是

TypeError:float（）参数必须是字符串或数字，而不是“方法”

它是在运行最后一行代码之后出现的

编辑

出[64]：

   Survived  Pclass  Sex   Age  SibSp  Parch     Fare  Embarked
0         0       3    0  22.0      1      0   7.2500         0
1         1       1    1  38.0      1      0  71.2833         1
2         1       3    1  26.0      0      0   7.9250         0

test_df1.head(3)

出[65]：

   Pclass  Sex   Age  SibSp  Parch    Fare  Embarked
0       3    0  34.5      0      0  7.8292         2
1       3    1  47.0      1      0       7         0
2       2    0  62.0      0      0  9.6875         2

---

因为您只显示了一小部分代码，所以我无法在ide中对代码进行调试。 所以，我使用了你问题中的一个数据框，并对数据进行了缩放

这是我们的数据框架：

Survived  Pclass  Sex   Age  SibSp  Parch     Fare  Embarked
0         0       3    0  22.0      1      0   7.2500         0
1         1       1    1  38.0      1      0  71.2833         1
2         1       3    1  26.0      0      0   7.9250         0

以下是代码（带注释供您参考）：

所以，最后我缩放了这些值

---

注意：考虑到很少的信息和代码，我假设了各种各样的事情，但我希望这能帮助您解决问题。

c=test\u df1.iloc[：，0:6].values.astype（np.float64）

？我尝试了c=float（test\u df1.iloc[：，0:6}.values）.但毫无进展，你有预处理分类数据吗？我尝试了你建议的roganjosh。但同样的错误突然出现。我的预处理分类数据是什么意思？nagasivam

Survived  Pclass  Sex   Age  SibSp  Parch     Fare  Embarked
0         0       3    0  22.0      1      0   7.2500         0
1         1       1    1  38.0      1      0  71.2833         1
2         1       3    1  26.0      0      0   7.9250         0

# SWAMI KARUPPASWAMI THUNNAI

import pandas
from sklearn.preprocessing import StandardScaler
from sklearn.cross_validation import train_test_split

if __name__ == "__main__":
    data_set = pandas.read_csv("data.csv")
    a = data_set.iloc[:,1:7].values # a will get the values of 1st six columns
    b = data_set.iloc[:,7].values  # b will get the values of 7th columns
    # since the data set seems to be preprocessed (considering the small amount of data)
    # we will create training set and testing set
    a_train, a_test, b_train, b_test = train_test_split(a, b, test_size = 0.2, random_state = 0)
    # test data size = 20 % and pseudo random generator is set to 0
    scaler = StandardScaler()
    # now we are about to scale the data
    a_train = scaler.fit_transform(a_train) # scale the training set
    # use the mean and standard deviation of training set to scale the testing set
    a_test = scaler.transform(a_test)