ValueError：无法将字符串转换为浮点数：'Q'答案

【问题标题】：ValueError: could not convert string to float: 'Q'ValueError：无法将字符串转换为浮点数：'Q'
【发布时间】：2020-04-27 11:57:02
【问题描述】：

我是编程新手，我正在使用来自 Kaggle 的 Titanic 数据集。在执行 one-hot 编码后，我一直在尝试构建逻辑回归模型。但我不断收到错误。我认为错误是由于虚拟变量引起的。下面是我的代码。

import numpy as np
import pandas as pd
import matplotlib as plt
import seaborn as sns

#Loading data
df=pd.read_csv(r"C:\Users\Downloads\train.csv")

#Deleting unwanted columns
df.drop(["PassengerId","Name","Cabin","Ticket"],axis=1,inplace=True)

#COunt of Missing values in each column
print(df.isnull().sum())

#Deleting rows with missing values based on column name
df.dropna(subset=['Embarked','Age'],inplace=True)
print(df.isnull().sum())

#One hot encoding for categorical variables
#Creating dummy variables for Sex column
dummies = pd.get_dummies(df.Sex)
dummies2=pd.get_dummies(df.Embarked)

#Appending the dummies dataframe with original dataframe
new_df= pd.concat([df,dummies,dummies2],axis='columns')

print(type(new_df))
#print(new_df.head(10))

#Drop the original sex,Embarked column and one of the dummy column for bth variables
new_df.drop(['Sex','Embarked'],axis='columns',inplace=True)
print(new_df.head(10))

new_df.info()

from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import classification_report
from sklearn.metrics import confusion_matrix,accuracy_score

x = df.drop('Survived', axis=1)
y = df['Survived']

logmodel = LogisticRegression()

logmodel.fit(x, y)

【问题讨论】：

这个错误到底发生在哪里？还请编辑您的代码以包含一个最小的可重现示例。
我认为 x 和 y 应该是：x =new_df.drop('Survived', axis=1) 和 y = new_df['Survived']，方法是将 df 更改为 new_df。是这样吗？
你能指出错误出现在哪一行吗？
谢谢。实际上这是错误的。 @Anwarvic但是现在即使模型有效，我也会收到一些警告，例如“ConvergenceWarning：lbfgs 无法收敛（状态= 1）：停止：迭代总数达到限制。”这可能是什么？
@JohnPaul，尝试像这样增加迭代次数：logmodel = LogisticRegression(max_iter=1000)

标签： python pandas logistic-regression one-hot-encoding

【解决方案1】：

正如我们在 cmets 中所讨论的，解决方案如下：

首先，您需要修改您的x 和y 变量以使用new_df 而不是df，就像这样：

x = new_df.drop('Survived', axis=1)
y = new_df['Survived']

然后，您需要像这样增加 Logistic 回归模型的迭代次数：

logmodel = LogisticRegression(max_iter=1000)

【讨论】：