ValueError：仅 pandas DataFrame 支持使用字符串指定列

Question

我正在使用 titanic.csv 数据集，其中我尝试使用列传输和管道，而在使用 pipeline.predict(x_test) 时我收到错误。这是我的代码。

titanic={'sex':['M','M','M','F','F','M','F','F','M','M'],
     'Pclass':[2,2,2,1,1,2,3,1,3,3],
     'age':[58,45,20,27,38,43,40,35,60,72],
     'embarked':['s','c','c','s','s','s','s','s','c','c'],
     'survived':[1,0,1,0,1,1,1,1,0,0]
    }
df=pd.DataFrame(data=titanic)
x=df.drop(['survived'],axis=1)
y=df.survived
from sklearn.model_selection import train_test_split
x_train,x_test,y_train,y_test=train_test_split(x,y)

col_tra_1=ColumnTransformer([
('trf1',SimpleImputer(),['Pclass','age'])
],remainder='passthrough')

col_tra_2=ColumnTransformer([
('ohe1',OneHotEncoder(sparse=False, handle_unknown='ignore'),['sex','embarked'])
],remainder='passthrough')

col_tra_3=ColumnTransformer([
    ('scale',MinMaxScaler(),['Pclass','age'])
],remainder='passthrough')


   model=DecisionTreeClassifier()
from sklearn.pipeline import Pipeline, make_pipeline
pipe = Pipeline([
    ('col_tra_1',col_tra_1),
    ('col_tra_2',col_tra_2),
    ('col_tra_3',col_tra_3),
    ('model',model)
])
   pipe.fit(x_train,y_train)

之后我收到错误： ValueError: 仅 pandas DataFrames 支持使用字符串指定列。

如果我使用索引而不是列名，我会收到不同的错误：ValueError：无法对非数字数据使用均值策略：无法将字符串转换为浮点数：'F'

Answer 1

问题是你将一些变压器堆叠在一起。转换器返回的 anumpy array没有列，因此发生错误。您可以通过移除两个变压器来验证它。对我来说最简单的方法是使用索引而不是列名。代码：

col_tra_1=ColumnTransformer([
('trf1',SimpleImputer(strategy='constant'),[0,1])
],remainder='passthrough')

col_tra_2=ColumnTransformer([
('ohe1',OneHotEncoder(sparse=False, handle_unknown='ignore'),[0,3])
],remainder='passthrough')

col_tra_3=ColumnTransformer([
    ('scale',MinMaxScaler(),[0,1])
],remainder='passthrough')

输出：

Pipeline(steps=[('col_tra_1',
                 ColumnTransformer(remainder='passthrough',
                                   transformers=[('trf1',
                                                  SimpleImputer(strategy='constant'),
                                                  [0, 1])])),
                ('col_tra_2',
                 ColumnTransformer(remainder='passthrough',
                                   transformers=[('ohe1',
                                                  OneHotEncoder(handle_unknown='ignore',
                                                                sparse=False),
                                                  [0, 3])])),
                ('col_tra_3',
                 ColumnTransformer(remainder='passthrough',
                                   transformers=[('scale', MinMaxScaler(),
                                                  [0, 1])])),
                ('model', DecisionTreeClassifier())])