sklearn の Label Encoderでカテゴリカル変数の前処理をしたい

Question

google colaboratoryを用いて、データ分析をしています。

その過程でカテゴリカル変数を数値に変換したいのですがエラーが出てしまい困っております。。

具体的には '北'、'南'、'東'、'西' といった方角（欠損値含む）を、python の LabelEncoder を用いて変換しようと思っています。

変換したいデータ

>> train['direction']

0         南東
1        NaN
2          南
3          南
4          南
        ... 
96         南
97         西
98         南
99         南
100       南東
Name: direction, Length: 101, dtype: object

コード

from sklearn.preprocessing import LabelEncoder
le = LabelEncoder()
le.fit(train['direction'])
train['direction'] = le.transform(train['direction'])

出るエラー

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
/usr/local/lib/python3.6/dist-packages/sklearn/preprocessing/label.py in _encode(values, uniques, encode)
    104         try:
--> 105             res = _encode_python(values, uniques, encode)
    106         except TypeError:

3 frames
TypeError: '<' not supported between instances of 'str' and 'float'

During handling of the above exception, another exception occurred:

TypeError                                 Traceback (most recent call last)
/usr/local/lib/python3.6/dist-packages/sklearn/preprocessing/label.py in _encode(values, uniques, encode)
    105             res = _encode_python(values, uniques, encode)
    106         except TypeError:
--> 107             raise TypeError("argument must be a string or number")
    108         return res
    109     else:

TypeError: argument must be a string or number

お力を貸していただけるとありがたいです。よろしくお願いいたします。

Answer 1

Series オブジェクト train['direction'] に NaN が含まれているのが原因です。
LabelEncoder を使う前に欠損値を文字に置き換えるか、除去してください。

import pandas as pd
from sklearn.preprocessing import LabelEncoder

x = ["C", "A", "B", "A", "C", "B"]

s = pd.Series(["東", "西", "北", "南", None])

# NaN を文字に置き換える。
s.fillna("missing", inplace=True)

# または NaN を消す。
#s.dropna(inplace=True)

label = LabelEncoder().fit_transform(s)
print(label)

Comments

[feyn]

ありがとうございます！解決しました！