ValueError: DataFrame.dtypes for data must be int, float, bool or category. When categorical type is supplied, The experimental DMatrix parameter`enable_categorical` must be set to `True`. Invalid columns:Temp: object

这个错误是因为在构建数据矩阵时，Temp这一列的数据类型被识别为了object，而不是int、float、bool或category。如果你确信这一列的数据类型是category，在构建数据矩阵时需要设置参数enable_categorical=True。如果你不打算将这一列视为category类型，那么需要将其转换为int、float或bool类型。你可以使用pandas中的astype()函数来完成转换，如下所示：

df['Temp'] = df['Temp'].astype(float)

这将把Temp列中的所有数据类型转换为float类型。

相关问题

如何解决ValueError: DataFrame.dtypes for data must be int, float, bool or category. When categorical type is supplied, The experimental DMatrix parameter`enable_categorical` must be set to `True`. Invalid columns:order_date: datetime64[ns]

这个错误可能是因为你的数据集中有一个日期类型的列(order_date)，它被视为分类类型而不是数值类型。在使用XGBoost等机器学习算法训练模型时，数据必须是整数、浮点数、布尔值或分类类型。要解决这个问题，需要将日期列转换为数值类型，比如Unix时间戳，并在训练模型时将该列排除。如果你必须使用日期列，你可以在DMatrix构造函数中使用参数‘enable_categorical=True’来启用分类数据类型。

ValueError: Series.dtypes must be int, float or bool

这个错误通常出现在使用 pandas 库时，当你想对一个 Series 进行某些数值计算或者统计分析时，数据类型必须是 int、float 或 bool 类型。如果你的 Series 存在其他类型的数据，就会抛出这个错误。

为了解决这个问题，你可以尝试以下几个步骤：

1. 确认你的 Series 中是否包含了非 int、float 或 bool 类型的数据，比如字符串、日期等。可以使用 .dtype 属性来查看 Series 的数据类型。
2. 如果确实存在其他类型的数据，你可以尝试使用 .astype() 方法将其转换成 int、float 或 bool 类型。
3. 如果你不需要这些非数值类型的数据，可以使用 .drop() 方法将其删除。

以下是一个例子：

import pandas as pd

# 创建一个包含不同数据类型的 Series
s = pd.Series([1, 2.0, '3', True])

# 抛出错误
s.mean()

# 转换数据类型
s = s.astype(float)

# 计算平均值
s.mean()