Comment réparer : les données pandas sont converties en type d’objet numpy. Vérifiez les données d’entrée avec np.asarray(data).

Une erreur que vous pouvez rencontrer lors de l’utilisation de Python est :

ValueError: Pandas data cast to numpy dtype of object. Check input data with
np.asarray(data).

Cette erreur se produit lorsque vous tentez d’ajuster un modèle de régression en Python et que vous ne parvenez pas à convertir les variables catégorielles en variables factices avant d’ajuster le modèle.

L’exemple suivant montre comment corriger cette erreur dans la pratique.

Comment reproduire l’erreur

Supposons que nous ayons le DataFrame pandas suivant :

import pandas as pd

#create DataFrame
df = pd.DataFrame({'team': ['A', 'A', 'A', 'A', 'B', 'B', 'B', 'B'],
                   'assists': [5, 7, 7, 9, 12, 9, 9, 4],
                   'rebounds': [11, 8, 10, 6, 6, 5, 9, 12],
                   'points': [14, 19, 8, 12, 17, 19, 22, 25]})

#view DataFrame
df

	team	assists	rebounds points
0	A	5	11	 14
1	A	7	8	 19
2	A	7	10	 8
3	A	9	6	 12
4	B	12	6	 17
5	B	9	5	 19
6	B	9	9	 22
7	B	4	12	 25

Supposons maintenant que nous essayions d’ajuster un modèle de régression linéaire multiple en utilisant l’équipe, les passes décisives et les rebonds comme variables prédictives et les points comme variable de réponse :

import statsmodels.api as sm

#define response variable
y = df['points']

#define predictor variables
x = df[['team', 'assists', 'rebounds']]

#add constant to predictor variables
x = sm.add_constant(x)

#attempt to fit regression model
model = sm.OLS(y, x).fit()

ValueError: Pandas data cast to numpy dtype of object. Check input data with
np.asarray(data).

Nous recevons une erreur car la variable « équipe » est catégorielle et nous ne l’avons pas convertie en variable muette avant d’ajuster le modèle de régression.

Comment réparer l’erreur

Le moyen le plus simple de corriger cette erreur est de convertir la variable « team » en variable factice à l’aide de la fonction pandas.get_dummies() .

Remarque : Consultez ce didacticiel pour un rappel rapide sur les variables factices dans les modèles de régression.

Le code suivant montre comment convertir « équipe » en variable factice :

import pandas as pd

#create DataFrame
df = pd.DataFrame({'team': ['A', 'A', 'A', 'A', 'B', 'B', 'B', 'B'],
                   'assists': [5, 7, 7, 9, 12, 9, 9, 4],
                   'rebounds': [11, 8, 10, 6, 6, 5, 9, 12],
                   'points': [14, 19, 8, 12, 17, 19, 22, 25]})

#convert "team" to dummy variable
df = pd.get_dummies(df, columns=['team'], drop_first=True)

#view updated DataFrame
df

        assists	rebounds points	team_B
0	5	11	 14	0
1	7	8	 19	0
2	7	10	 8	0
3	9	6	 12	0
4	12	6	 17	1
5	9	5	 19	1
6	9	9	 22	1
7	4	12	 25	1

Les valeurs de la colonne « équipe » ont été converties de « A » et « B » à 0 et 1.

Nous pouvons maintenant ajuster le modèle de régression linéaire multiple en utilisant la nouvelle variable « team_B » :

import statsmodels.api as sm

#define response variable
y = df['points']

#define predictor variables
x = df[['team_B', 'assists', 'rebounds']]

#add constant to predictor variables
x = sm.add_constant(x)

#fit regression model
model = sm.OLS(y, x).fit()

#view summary of model fit
print(model.summary())

                            OLS Regression Results                            
==============================================================================
Dep. Variable:                 points   R-squared:                       0.701
Model:                            OLS   Adj. R-squared:                  0.476
Method:                 Least Squares   F-statistic:                     3.119
Date:                Thu, 11 Nov 2021   Prob (F-statistic):              0.150
Time:                        14:49:53   Log-Likelihood:                -19.637
No. Observations:                   8   AIC:                             47.27
Df Residuals:                       4   BIC:                             47.59
Df Model:                           3                                         
Covariance Type:            nonrobust                                         
==============================================================================
                 coef    std err          t      P>|t|      [0.025      0.975]
------------------------------------------------------------------------------
const         27.1891     17.058      1.594      0.186     -20.171      74.549
team_B         9.1288      3.032      3.010      0.040       0.709      17.548
assists       -1.3445      1.148     -1.171      0.307      -4.532       1.843
rebounds      -0.5174      1.099     -0.471      0.662      -3.569       2.534
==============================================================================
Omnibus:                        0.691   Durbin-Watson:                   3.075
Prob(Omnibus):                  0.708   Jarque-Bera (JB):                0.145
Skew:                           0.294   Prob(JB):                        0.930
Kurtosis:                       2.698   Cond. No.                         140.
==============================================================================

Notez que nous sommes cette fois capables d’ajuster le modèle de régression sans aucune erreur.

Remarque : Vous pouvez trouver la documentation complète de la fonction ols() dans la bibliothèque statsmodels ici .

Ressources additionnelles

Les didacticiels suivants expliquent comment corriger d’autres erreurs courantes en Python :

Comment réparer KeyError dans Pandas
Comment réparer : ValueError : impossible de convertir le float NaN en entier
Comment réparer : ValueError : les opérandes n’ont pas pu être diffusés avec les formes