python TfidfVectorizer выдает typeError: ожидаемую строку или байтовоподобный объект в CSV-файле

Я анализирую очень большой CSV-файл и пытаюсь извлечь из него информацию tf-idf с помощью scikit. К сожалению, я никогда не заканчиваю обработку данных, так как он выдает эту ошибку типа. Есть ли способ программно изменить файл CSV, чтобы устранить эту ошибку? Вот мой код:

    df = pd.read_csv("C:/Users/aidan/Downloads/papers/papers.csv", sep = None)
df =  df[pd.notnull(df)]

    n_features = 1000
    n_topics = 8
    n_top_words = 10
tfidf_vectorizer = TfidfVectorizer(max_df=0.95, min_df=2,max_features=n_features,stop_words='english', lowercase = False)

tfidf = tfidf_vectorizer.fit_transform(df['paper_text'])

Ошибка возникает из последней строки. Заранее спасибо!

Traceback (most recent call last):
  File "C:\Users\aidan\NIPS Analysis 2.0.py", line 35, in <module>
    tfidf = tfidf_vectorizer.fit_transform(df['paper_text'])
  File "c:\python\python36\lib\site-packages\sklearn\feature_extraction\text.py", line 1352, in fit_transform
    X = super(TfidfVectorizer, self).fit_transform(raw_documents)
  File "c:\python\python36\lib\site-packages\sklearn\feature_extraction\text.py", line 839, in fit_transform
    self.fixed_vocabulary_)
  File "c:\python\python36\lib\site-packages\sklearn\feature_extraction\text.py", line 762, in _count_vocab
    for feature in analyze(doc):
  File "c:\python\python36\lib\site-packages\sklearn\feature_extraction\text.py", line 241, in <lambda>
    tokenize(preprocess(self.decode(doc))), stop_words)
  File "c:\python\python36\lib\site-packages\sklearn\feature_extraction\text.py", line 216, in <lambda>
    return lambda doc: token_pattern.findall(doc)
TypeError: expected string or bytes-like object
Источник

2 ответа

Решение

Вы проверили df.dtypes? Какой выход?

Вы можете попробовать добавить dtype=str в качестве аргумента .read_csv() вызов.

Источник

В моем случае проблема была в том, что у меня были данные в кадре. Замена NaNs помогла мне.

df.fillna('0')
Источник

Прочтите ваши файлы таким образом:

df = pd.read_csv("C:/Users/aidan/Downloads/papers/papers.csv",dtype=str)

По сути, тип ваших элементов должен быть строковым.

Источник
Другие вопросы по тегам