1

El problema que tengo es que estoy trabajando con los datos de water potability los cuales no tienen ningún string, y a la hora de ejecutar el setup para los modelos de clasificación me salta el siguiente error: TypeError: unsupported operand type(s) for +: 'int' and 'str'

Y no comprendo la razón si todas mis variables son del tipo int y float. Para comprobar cuál era el problema lo que hice fue:

  • Convertir la única columna int64 a float64 .
  • Eliminar columnas para ver si alguna en específico daba el problema .
  • Eliminar todas las columnas y dejar solamente 2 ("ph" y "potability").

Mi código únicamente es:

 df = pd.read_csv("water_potability.csv", header = "infer")
 model = setup(data =df, target =  "Potability") 
2
  • Es posible que esté tomando las filas en las que se indica el nombre de las columnas o variables por ello te salta ese error, porque está intentando operar algo de tipo entero con algo de tipo string. Espero que te haya ayudado.
    – gorkam
    Commented el 11 jul. 2021 a las 15:51
  • si solo has dejado dos columnas y aún te da error, fijate probando de a una, por ejemplo: model = setup(data =df, target = "Potability",ignore_features = ['ph']) y después con potability
    – tincopasan
    Commented el 11 jul. 2021 a las 20:11

1 respuesta 1

1

Ese conjunto de datos, contiene varios datos que son NaN (Not a Number), según el proceso que has descrito en la pregunta, no has hecho nada para tratarlos. Ejecutando la siguiente sentencia se puede ver el número de NaN por columnas:

#He llamado al conjunto de datos df_water porque df es muy genérico
df_water.isna().sum()

Salida:

ph                 491
Hardness             0
Solids               0
Chloramines          0
Sulfate            781
Conductivity         0
Organic_carbon       0
Trihalomethanes    162
Turbidity            0
Potability           0
dtype: int64

Si le introduces al modelo datos que no son números NaN el modelo fallará. Necesitas tratar esos datos, maneras hay muchas,

  • Borrar las filas o las columnas que son NaN, puedes conseguirlo con el método de Pandas .dropna(), quedaría así df_water.dropna()
  • Con medias, medianas y otras estadisticas básicas.
  • Interpolación más avanzada con modelización, es decir utilizar modelos para predecir los datos que no tienes.

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.