Python中对DataFrame值除以255时出现TypeError的解决咨询

在对pandas DataFrame的值除以255进行归一化时，遇到如下TypeError：

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

相关代码片段：

import pandas as pd
from keras.utils import to_categorical

# Read the CSV file
df = pd.read_csv('C:/Users/NESLİHAN/Desktop/project/data.csv', encoding='latin-1', on_bad_lines='skip')

# Check data types of columns
print(df.dtypes)

# Convert relevant columns to numeric
# Assuming 'column_name' is the column you want to convert
df['column_name'] = pd.to_numeric(df['column_name'], errors='coerce')

# Drop the 'label' column
x = df.drop('label', axis=1)

# Convert x to numpy array after handling data types
x = x.to_numpy()

# Normalize the values by dividing by 255
x = x / 255.0

# Assuming 'label' is the target variable
y = df['label']
y = to_categorical(y)

已通过df.dtypes检查列类型，也尝试转换了单个列，但仍报错，需要解决归一化的问题。

解决方案 #

1. 批量转换所有特征列为数值类型 #

你当前只转换了单个column_name，但x（即去掉label后的DataFrame）中可能还有其他字符串类型的列，导致数组中混合了字符串与数值，触发除法错误。需要批量处理所有特征列：

# 先分离特征与标签，再批量转换特征列为数值类型
x = df.drop('label', axis=1).apply(pd.to_numeric, errors='coerce')
y = df['label']

errors='coerce'会将无法转换为数值的内容转为NaN，方便后续处理。

2. 处理转换产生的NaN值 #

转换后生成的NaN会影响后续计算，可根据需求选择处理方式：

• 删除含NaN的行（需同步处理标签，避免特征与标签不匹配）：

  valid_indices = x.dropna().index
  x = x.loc[valid_indices].to_numpy()
  y = y.loc[valid_indices]
  

• 用均值填充NaN：

  x = x.fillna(x.mean()).to_numpy()
  

3. 验证数据类型 #

转换后可再次确认所有特征列的类型，确保无字符串残留：

print(x.dtypes)

完整修正后的代码 #

import pandas as pd
from keras.utils import to_categorical

# 读取数据
df = pd.read_csv('C:/Users/NESLİHAN/Desktop/project/data.csv', encoding='latin-1', on_bad_lines='skip')

# 分离特征与标签，批量转换特征列为数值类型
x = df.drop('label', axis=1).apply(pd.to_numeric, errors='coerce')
y = df['label']

# 处理NaN值（示例：删除含NaN的行）
valid_indices = x.dropna().index
x = x.loc[valid_indices].to_numpy()
y = y.loc[valid_indices]

# 归一化
x = x / 255.0

# 标签转独热编码
y = to_categorical(y)

内容的提问来源于stack exchange，提问作者nesly