我有一个小型数据框，仅包含两列，应该全部为浮点数。因此，我有两个字段名为’Price’和’Score’。当我查看数据时，它们看起来都像是浮点数，但显然有些是字符串。有没有办法剔除这些看起来像浮点数但实际上是字符串的东西？或者，有没有办法强制所有数据转换为浮点数？错误发生在最后显示的那一行，然后其他任何操作都无法进行。

df = pd.read_csv('C:\\my_path\\analytics.csv')print('done!')modDF = df[['Price', 'Score']].copy()modDF = modDF[:100]for i_dataset, dataset in enumerate(datasets):    X, y = dataset    # 为了更容易选择参数而规范化数据集    X = StandardScaler().fit_transform(X)

这是堆栈跟踪：

datasets = [modDF]for i_dataset, dataset in enumerate(datasets):    X, y = dataset    # 为了更容易选择参数而规范化数据集    X = StandardScaler().fit_transform(X)Traceback (most recent call last):  File "<ipython-input-18-013c2a6bef49>", line 5, in <module>    X = StandardScaler().fit_transform(X)  File "C:\Users\rs\AppData\Local\Continuum\anaconda3\lib\site-packages\sklearn\base.py", line 553, in fit_transform    return self.fit(X, **fit_params).transform(X)  File "C:\Users\rs\AppData\Local\Continuum\anaconda3\lib\site-packages\sklearn\preprocessing\data.py", line 639, in fit    return self.partial_fit(X, y)  File "C:\Users\rs\AppData\Local\Continuum\anaconda3\lib\site-packages\sklearn\preprocessing\data.py", line 663, in partial_fit    force_all_finite='allow-nan')  File "C:\Users\rs\AppData\Local\Continuum\anaconda3\lib\site-packages\sklearn\utils\validation.py", line 496, in check_array    array = np.asarray(array, dtype=dtype, order=order)  File "C:\Users\rs\AppData\Local\Continuum\anaconda3\lib\site-packages\numpy\core\numeric.py", line 538, in asarray    return array(a, dtype, copy=False, order=order)ValueError: could not convert string to float: 'Price'

回答：

你可以尝试使用 pd.to_numeric 像这样:

df = df.apply(pd.to_numeric, errors='coerce', downcast='float')

这将尝试将你的数据转换为浮点数，无法转换为浮点数的数据将返回为NaN。

然后

df.dropna(how='any', axis=0, inplace=True)

这将删除任何至少包含一个NaN值的行。