LabelEncoder: TypeError: '& gt;' non pris en charge entre les instances de 'float' et 'str'

Je suis confronté à cette erreur pour plusieurs variables de même de traiter les valeurs manquantes.
Par exemple:

le = preprocessing.LabelEncoder()
categorical = list(df.select_dtypes(include=['object']).columns.values)
for cat in categorical:
    print(cat)
    df[cat].fillna('UNK', inplace=True)
    df[cat] = le.fit_transform(df[cat])
#     print(le.classes_)
#     print(le.transform(le.classes_))


---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-24-424a0952f9d0> in <module>()
      4     print(cat)
      5     df[cat].fillna('UNK', inplace=True)
----> 6     df[cat] = le.fit_transform(df[cat].fillna('UNK'))
      7 #     print(le.classes_)
      8 #     print(le.transform(le.classes_))

C:\Users\paula.ceccon.ribeiro\AppData\Local\Continuum\Anaconda3\lib\site-packages\sklearn\preprocessing\label.py in fit_transform(self, y)
    129         y = column_or_1d(y, warn=True)
    130         _check_numpy_unicode_bug(y)
--> 131         self.classes_, y = np.unique(y, return_inverse=True)
    132         return y
    133 

C:\Users\paula.ceccon.ribeiro\AppData\Local\Continuum\Anaconda3\lib\site-packages\numpy\lib\arraysetops.py in unique(ar, return_index, return_inverse, return_counts)
    209 
    210     if optional_indices:
--> 211         perm = ar.argsort(kind='mergesort' if return_index else 'quicksort')
    212         aux = ar[perm]
    213     else:

TypeError: '>' not supported between instances of 'float' and 'str'

Vérification de la variable qui conduisent à l'erreur des résultats ins:

df['CRM do Médico'].isnull().sum()
0

En plus des valeurs nan, ce qui pourrait être la cause de cette erreur?

source d'informationauteur pceccon

  1. 30

    Cela est dû à la série df[cat] contenant des éléments a divers types de données par exemple(chaînes de caractères et/ou des flotteurs). Cela pourrait être dû à la façon dont les données sont lues, c'est à dire les nombres sont lus comme le flotteur et le texte comme des chaînes de caractères ou le type de données a été flotteur et changé après la fillna opération

    en d'autres termes

    pandas de données de type "Objet" indique les types mixtes plutôt que de str type

    donc, en utilisant la ligne suivante:

    df[cat] = le.fit_transform(df[cat].astype(str))

    devrait aider