Google Colab中pd.read_csv读取CSV报TypeError如何解决

报错核心是变量名混用导致传参错误：
pandas.read_csv()的dtype参数作用是指定读取时各列的数据类型，要求传入类型标识、或者列名到类型的映射字典，但你代码中传入的data_dir变量存储的并不是类型配置，而是Kaggle平台上该采矿质量预测数据集的标识字符串quality-prediction-in-a-mining-process。pandas尝试将这个字符串解析为数据类型时无法识别，就抛出了对应TypeError。
你之前尝试的重命名文件夹、重连Colab运行时操作没有生效，是因为问题和文件路径、运行时连接状态无关，完全是参数传入错误导致的。

• 先梳理代码中的变量定义：区分存储文件路径/数据集名称的变量、存储待读取列列表的need_cols变量、存储列数据类型配置的变量，不要混用变量名。如果你之前把类型配置错误赋值给了data_dir，把对应内容迁移到专门的类型配置变量（比如命名为col_dtypes）即可，类型配置的格式参考：{"列名1": float, "列名2": int}。
• 修正read_csv语句的传参：把错误的dtype=data_dir替换为你定义好的类型配置变量。如果你没有提前配置列类型的需求，可以直接删掉dtype参数，让pandas自动推断各列类型。
  修正后的参考代码：

  import pandas as pd
  # 按需配置要读取的列
  need_cols = ["% Iron Feed", "% Silica Feed", "Starch Flow", "% Iron Concentrate", "% Silica Concentrate"]
  # 配置对应列的读取类型
  col_dtypes = {col: "float64" for col in need_cols}
  # 正确传参读取文件
  df = pd.read_csv(
      "/content/quality/MiningProcess_Flotation_Plant_Database.csv",
      usecols=need_cols,
      dtype=col_dtypes
  )
  

• 传参修正完成后，如果出现文件找不到类的报错，再检查对应路径下是否确实存在目标CSV文件，确认Kaggle API下载的数据集已经正确解压到指定目录即可。

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