python - TypeError:预期的二进制或 Unicode 字符串，得到 618.0

Question

我一直在尝试将此 ML 线性模型实现到我的数据集中。 (https://www.tensorflow.org/tutorials/estimator/linear)
语言:Python 3.8.3
图书馆: TensorFlow 2.4.0
NumPy :1.19.3
Pandas
Matplotlib
及其他:

import os
import sys

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from IPython.display import clear_output
from six.moves import urllib

import tensorflow.compat.v2.feature_column as fc
import tensorflow as tf

ss1517 是我的数据集的名称。这是一个4116行20列的CSV文件，里面有很多NaN值(没有一列不是NaN值)

traindata = ss1517.iloc[0:2470,:] # 60 % of my dataset is splitted by training set
evaldata = ss1517.iloc[2470:4116, :] # 40 % of my dataset is splitted by eval set
ytrain = traindata.pop("AvgOfMajor N")
yeval = evaldata.pop("AvgOfMajor N")

CATEGORICAL_COLUMNS 是我数据集中的分类列。
NUMERIC_COLUMNS 是我的数据集中的数字列。

CATEGORICAL_COLUMNS = ['Location Name', 'Location Code', 'Borough', 'Register', 'Building Name', 'Schools in Building', 'ENGroupA', 'RangeA']
NUMERIC_COLUMNS = ['Geographical District Code', '# Schools', 'Major N', 'Oth N', 'NoCrim N', 'Prop N', 'Vio N', 'AvgOfOth N', 'AvgOfNoCrim N', 'AvgOfProp N', 'AvgOfVio N']

feature_columns = []#Sadece linear regression'u eğitmek için kullanıyoruz
for feature_name in CATEGORICAL_COLUMNS:
  vocabulary = traindata[feature_name].unique()
  feature_columns.append(tf.feature_column.categorical_column_with_vocabulary_list(feature_name, vocabulary))
for feature_name in NUMERIC_COLUMNS:
  feature_columns.append(tf.feature_column.numeric_column(feature_name, dtype=tf.float32))

def make_input_fn(data_df, label_df, num_epochs=10, shuffle=True, batch_size=32):
  def input_function():# inner function, this will be returned.
    ds = tf.data.Dataset.from_tensor_slices((dict(data_df), label_df)) # Create tf.data.Dataset object with data and its label
    if shuffle:
      ds = ds.shuffle(1000) # randomize order of data
    ds = ds.batch(batch_size).repeat(num_epochs)
    return ds # return a batch of dataset
  return input_function # return the input_function

train_input_fn = make_input_fn(traindata, ytrain) 
eval_input_fn = make_input_fn(evaldata, yeval, num_epochs=1, shuffle=False) 

linear_est = tf.estimator.LinearClassifier(feature_columns=feature_columns)
linear_est.train(train_input_fn) #train
result = linear_est.evaluate(eval_input_fn) #get model metrics/stats by testing on testing data

clear_output() #clears console output
print(result["accuracy"]) #the result variable is simply dict of stats about our model

每次我尝试用 df.fillna(method="ffill") , df.fillna(method="bfill") , df.fillna(value = 0), 或者df.fillna(value="randomstringvalues) )。 我还尝试使用 df.dropna()
删除 NaN 值 不用说，当我尝试使用 NaN 值运行我的代码时，它无法工作。
我有两个问题。
第一个，我如何处理我的 NaN 值，这样我以后就不会看到这个错误(TypeError: Expected binary or unicode string, got 618.0)？
第二个，我怎样才能摆脱这个错误并迅速将我的数据集实现到这个模型中？
P.S.:我确定我没有打错任何字。

Answer 1

我猜你的数据中有一些非 unicode 字符。非 unicode 字符是这样的:� ä

任何不是字母、数字或符号的东西。 你在这里有两个选择，找到所有这些字符和 replace他们用别的东西或remove他们。

或者您可以在读取 csv 文件时使用适当的编码。 pandas.read_csv

data = pandas.read_csv(myfile, encoding='utf-8', quotechar='"', delimiter=',')