如何解决Pandas DataFrame回归时的ValueError: could not convert string to float错误

我太懂这种卡了好几天的感觉了——明明试过常规的类型转换方法，还是踩在同一个坑上！咱们从几个容易被忽略的角度来排查你的问题：

1. 先修正X的格式（很可能是隐藏的坑） #

你当前定义X的方式是：

X = df['Women in Parliament (%)'], df['Inflation (%)'], df['Individuals using Internet (%)']

这会创建一个元组，而linear_model.LinearRegression()和sm.OLS都需要二维数组/ DataFrame作为输入。这种格式错误可能会让后续的类型检查逻辑混乱，先把X改成正确的DataFrame格式：

X = df[['Women in Parliament (%)', 'Inflation (%)', 'Individuals using Internet (%)']]

2. 排查数据中的隐藏非数值字符 #

你试过astype(float)但没用，大概率是数据里有肉眼难发现的非数值内容：

• 列名带%，可能数据值也带%符号（比如"23.5%"），需要先移除再转换
• 用逗号作为小数点的地区格式（比如"23,5"）
• 隐藏的空格、制表符，或者Unicode特殊字符
• 类似"N/A"、"-"、"NULL"的缺失值标记

针对性处理代码示例： #

import numpy as np

# 1. 移除百分比符号并清理空格
for col in X.columns:
    # 先判断列是否是字符串类型，避免报错
    if df[col].dtype == object:
        df[col] = df[col].str.replace('%', '', regex=False).str.strip()

# 2. 替换所有非数值的缺失标记为NaN
df.replace(['NA', 'N/A', '-', ' ', ''], np.nan, inplace=True)

# 3. 用pd.to_numeric强制转换，无法转换的会变成NaN
for col in X.columns:
    df[col] = pd.to_numeric(df[col], errors='coerce')

# 4. 处理NaN值（可选：删除或填充，这里用均值填充）
df.fillna(df.mean(numeric_only=True), inplace=True)

3. 逐列排查错误源头 #

如果还是不行，直接定位哪一行有问题：

# 检查某一列的转换失败行
target_col = 'Women in Parliament (%)'
df['temp'] = pd.to_numeric(df[target_col], errors='coerce')
# 打印所有无法转换的原数据
print("转换失败的条目：")
print(df[df['temp'].isna()][target_col].unique())

这样你就能精准看到到底是哪些字符串在搞鬼，再针对性替换。

最后再跑你的回归代码 #

修正完数据和X的格式后，再执行你的回归逻辑，应该就能避开类型转换错误了。

内容的提问来源于stack exchange，提问作者TJ Braunius