💓 博客主页：瑕疵的CSDN主页

📝 Gitee主页：瑕疵的gitee主页

⏩ 文章专栏：《热点资讯》

特征列没对齐？TensorFlow Estimator训练报错实录，一招解救

今天写了个Estimator模型，训练跑起来直接报错：

ValueError: Feature 'age' not found in input data

我当场就懵了。数据里age列明明有值，pandas一查全是数字。折腾到凌晨三点，才发现是特征列和输入数据的键名对不上。

报错现场
控制台甩出这个错误，我反复检查数据：

df=pd.read_csv('data.csv')print(df.columns)# 输出 ['age ', 'income', 'label'] # 注意age后面有空格！

列名明明有空格，但特征列定义写的是'age'。Estimator在内部匹配时，严格按字符串比对。空格都算不同。

核心根源
特征列定义的列名必须和输入函数返回的特征字典键名完全一致（包括空格和大小写）。我犯的错是：

• 数据列名实际是'age '（末尾空格）
• 但特征列写成tf.feature_column.numeric_column('age')
• 输入函数返回的特征字典键是'age '，Estimator却去匹配'age'，自然找不到。

错误示范

# 错误示范：特征列和数据列名不一致feature_columns=[tf.feature_column.numeric_column('age'),# 期望'age'，但数据是'age 'tf.feature_column.numeric_column('income')]definput_fn():df=pd.read_csv('data.csv')# 数据列名有空格，但这里直接用'age'，键名实际是'age 'features=df[['age']]# 返回的特征字典键是'age '（带空格）labels=df['label']returnfeatures,labels

正确姿势

# 正确姿势：先清理列名，确保和特征列一致feature_columns=[tf.feature_column.numeric_column('age'),# 和清理后的列名匹配tf.feature_column.numeric_column('income')]definput_fn():df=pd.read_csv('data.csv')# 关键：清理列名！移除所有前后空格df.columns=[col.strip()forcolindf.columns]features=df[['age','income']]# 现在键名是'age'（无空格）labels=df['label']returnfeatures,labels

避坑总结

1. 读数据后必须打印列名：print(df.columns.tolist())，别猜。
2. 输入函数前清理列名：df.columns = [col.strip() for col in df.columns]。
3. 特征列定义用清理后的列名，别写死'age'。
4. 如果数据来自Excel/CSV，列名常带空格，这是常态。

我踩过坑：数据列名是'age '，特征列写'age'，报错整整三小时。清理列名后，训练秒过。记住：Estimator对字符串比对比你想象的严格。下次写代码，先print(df.columns)，别让空格坑你。