Python 如何在标签编码器中解析“参数必须是字符串或数字”？

我的数据集。dataset_train有43个分类特性，我想在每一列中应用LabelEncoder。 这里我得到了所有的分类特征：分类特征=[数据集特征的特征].columns如果数据集特征[features].dtype=='O']

现在创建一个类来执行多标签编码：

class MultiColumnLabelEncoder:
def __init__(self,columns = None):
    self.columns = columns # array of column names to encode

def fit(self,X,y=None):
    return self # not relevant here

def transform(self,X):
    output = X.copy()
    if self.columns is not None:
        for col in self.columns:
            output[col] = LabelEncoder().fit_transform(output[col])
    else:
        for colname,col in output.iteritems():
            output[colname] = LabelEncoder().fit_transform(col)
    return output

def fit_transform(self,X,y=None):
    return self.fit(X,y).transform(X)

现在执行后：

from sklearn.preprocessing import LabelEncoder

dataset_train = MultiColumnLabelEncoder(columns = categorical_features).fit_transform(dataset_train)  

它向我展示了：

TypeError: argument must be a string or number

请注意，-NaN值也在前面处理过

如何处理这种情况？？？

好的，问题解决了。 我的一个分类功能只有一个NaN值

之前，我编写了以下代码以获取包含NaN值的分类_功能： Category_features=[数据集_train中的特征的特征。如果数据集_train[feature].isnull.sum>1和数据集_train[feature]，则列数为[feature]。数据类型=='O']

这就是为什么我得到了那些在其列中有超过1个缺少值的特性

这就是我面对这个错误的原因

现在，在我将上述代码修改为： Category_features=[数据集_train中的要素的要素。如果数据集_train[feature].isnull.sum>=1和数据集_train[feature].dtype=='O']

现在我得到了每一列，即使只有一个NaN值

它可以为我在问题中提到的MultiColumnLabelEncoder执行上述代码

---

谢谢合作♥️.

你能包括完整的回溯吗？而Category_特性的值您应该只使用OrdinalCoder，使用ColumnTransformer对列进行子集，而不是通过黑客攻击自定义类来滥用LabelEncoder。