TypeError：-：PyCaret回归中不支持的操作数类型：‘str’和‘int’

Question

我阅读了关于这个主题的多个可用的问题，但仍然不理解我的问题。

我正在尝试构建一个回归，使用PyCaret

from pycaret.regression import *
fooPy = setup(data = foo, target = 'pts', session_id = 123)

我收到错误：

TypeError: unsupported operand type(s) for +: 'int' and 'str'

不确定问题在哪里，因为我在结构中没有看到任何字符串：

pts_500                   float64
pts_500_p                 float64
OBP_avg                   float64
SLG_avg                   float64
SB_avg                    float64
RBI_avg                   float64
R_avg                     float64
home                      int64
first_time_pitcher        int32
park_ratio_OBP            float64
park_ratio_SLG            float64
order                     float64
SO_avg_p                  float64
pts_500_parkadj_p         float64
pts_500_parkadj           float64
SLG_avg_parkadj           float64
OPS_avg_parkadj           float64
SLG_avg_parkadj_p         float64
OPS_avg_parkadj_p         float64
pts_BxP                   float64
SLG_BxP                   float64
OPS_BxP                   float64
whip_SO_BxP               float64
whip_SO_B                 float64
whip_SO_B_parkadj         float64
order                     float64
ops x pts_500 order15     float64
ops x pts_500 parkadj     float64
ops23 x pts_500           float64
ops x pts_500 orderadj    float64
whip_p                    float64
whip_SO_p                 float64
whip_SO_parkadj_p         float64
whip_parkadj_p            float64
pts                       float64
dtype: object

home和first_time_pitcher是整数。

完全错误如下所示：

​

​

​

​

谢谢你的建议！

Answer 1

我自己找到了答案，这是非常琐碎和令人讨厌的。

数据集中包含了两次Order变量。我检查了相关性，得到了相同变量之间的1.0相关。

# Check correlation
cor = df[features].corr()
cor.loc[:,:] = np.tril(cor, k=-1) 
cor = cor.stack()
cor[(cor > 0.7) | (cor < -0.7)]

Answer 2

只是想补充一下阿纳金·雪克的答案。此错误(带有混淆的错误消息)是由重复的列名引起的。

可以简单地通过删除一个重复的列名来解决这个问题，要么重命名(例如df.rename)，要么删除(例如df.drop)列。

下面包含了一个再现错误的示例(使用pycaret 2.3.6)：

# load dataset
from pycaret.datasets import get_data
diabetes = get_data('diabetes')

# artificially create 2 columns with same name, Number of times pregnant
diabetes.columns = ['Number of times pregnant',
       'Number of times pregnant',
       'Diastolic blood pressure (mm Hg)', 'Triceps skin fold thickness (mm)',
       '2-Hour serum insulin (mu U/ml)',
       'Body mass index (weight in kg/(height in m)^2)',
       'Diabetes pedigree function', 'Age (years)', 'Class variable']

# init setup
from pycaret.classification import *
clf1 = setup(data = diabetes, target = 'Class variable')

这将以下面的错误消息结束：

TypeError: unsupported operand type(s) for +: 'int' and 'str'