机器学习入门遇字符串转浮点数错误：could not convert string to float: ' 8,400,000,000

问题根源 #

你的Price列中存在带千位分隔符逗号和前置空格的字符串值（比如' 8,400,000,000'），pandas默认将这类值识别为字符串类型，而sklearn的回归模型无法处理字符串格式的标签数据，因此训练时触发类型转换错误。

修复方案 #

1. 清理并转换Price列为数值类型 #

使用字符串处理方法去除空格和逗号，再转为float/int类型。

2. 修正缺失值处理逻辑 #

原代码中连续两次调用fillna，第二次会覆盖第一次的结果，需要合并处理或选择合适的填充方式。

3. 检查特征列的数值类型 #

确保Area等特征列也是数值类型，避免后续训练出现类似错误。

修改后的完整代码 #

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeRegressor
from sklearn.metrics import mean_absolute_error
from sklearn import linear_model

# 读取数据
df = pd.read_csv("housePrice.csv")

# 查看缺失值和数据基本信息
print(df.isna().sum())
print(df.head())
print(df.describe())
print(df.info())

# -------------------------- 关键修复部分 --------------------------
# 清理Price列：去除空格、逗号，转换为数值类型
df['Price'] = df['Price'].str.strip().str.replace(',', '').astype(float)

# 处理缺失值：先向前填充再向后填充（合并两次操作）
df = df.fillna(method="ffill").fillna(method="bfill")

# 确保特征列是数值类型（如果Area等列有字符串格式，同样处理）
df['Area'] = df['Area'].str.strip().str.replace(',', '').astype(float)
# Room、Parking、Warehouse如果是布尔或整数，确保类型正确
df['Room'] = pd.to_numeric(df['Room'], errors='coerce')
df['Parking'] = df['Parking'].astype(int)
df['Warehouse'] = df['Warehouse'].astype(int)
# ------------------------------------------------------------------

# 提取特征和标签
x = df[["Area","Room","Parking","Warehouse"]]
y = df['Price']

print(x.shape)
print(y.shape)

# 划分训练集和测试集
train_x, test_x, train_y, test_y = train_test_split(x , y , random_state=0, test_size=0.3)

# 训练模型并评估
dt = DecisionTreeRegressor()
dt.fit(train_x , train_y)

pred_y = dt.predict(test_x)
print("MAE:" , mean_absolute_error(test_y , pred_y))

额外说明 #

• 如果Area列也存在带逗号的字符串格式，必须像处理Price一样清理转换，否则训练时同样会触发类型错误。
• Parking和Warehouse如果是布尔值（比如True/False），可以直接转为int类型（1/0），模型能正常处理。
• 若清理后仍有无法转换的值，pd.to_numeric的errors='coerce'参数会将其转为NaN，后续的缺失值填充会处理这些情况。

内容的提问来源于stack exchange，提问作者Matin2002