修复Object类型price列转数值型并求均值的代码报错问题

你的代码存在几个关键问题，以下是修正方案：

问题分析 #

• dropna参数使用错误：dropna的axis参数用于指定行/列（0=行，1=列），要针对特定列删除缺失值，需用subset参数指定列名。
• inplace=True的误用：使用该参数时，原DataFrame会被直接修改，返回值为None，此时赋值给df会导致后续操作报错。
• 未处理?字符：原数据中的?不属于NaN，dropna无法自动识别移除，需先将其转为NaN再处理。
• 直接转int风险高：原列是字符串类型，建议先转浮点型，避免因潜在小数或格式问题导致转换失败。

修正后的完整代码 #

import pandas as pd
import numpy as np

# 读取数据时直接将?识别为NaN
df = pd.read_csv('Automobile_data.csv', sep=',', na_values=['?'])

# 删除price列的缺失值
df = df.dropna(subset=['price'])

# 将price列转为浮点型（若确认都是整数，也可改用astype('int')）
df['price'] = df['price'].astype(float)

# 计算均值
print(df['price'].mean())

补充说明 #

• 若偏好使用inplace=True，可修改为df.dropna(subset=['price'], inplace=True)，但不推荐过度使用该参数，会直接修改原数据，不利于调试。
• na_values=['?']能在读取阶段就完成特殊字符到NaN的转换，简化后续处理流程。

内容的提问来源于stack exchange，提问作者Techlover