pandas读取CSV转torch.float32张量报错 字符串列转float失败

直接调用astype(float)转换SpType列失败的核心原因是：该列存储的是恒星光谱分类字符串（如G2、K5、M0这类字母+数字的分类值），并非可直接解析为浮点数的纯数字字符串，强制转float会触发值错误，导致列实际类型仍为object。后续用包含该列的DataFrame转numpy数组时，整个数组会被识别为*numpy.object_*类型，而PyTorch张量不支持该类型输入，因此触发报错。

不要直接强制将字符串格式的分类值转为float，先对SpType列做数值编码，再执行后续转换操作：

• 第一步：对SpType列做数值映射。恒星光谱类型本身对应明确的恒星温度序列，可以按天文规则映射为连续数值，也可根据需求采用通用分类编码方案：

import pandas as pd
import torch

data = pd.read_csv("/content/Star3642_balanced.csv")

# 光谱主型按温度从高到低映射为数值，如需保留子类型精度可额外解析后缀数字做更细粒度映射
sp_type_map = {'O': 0, 'B': 1, 'A': 2, 'F': 3, 'G': 4, 'K': 5, 'M': 6}
# 提取SpType首字母匹配映射规则
data["SpType"] = data["SpType"].str[0].map(sp_type_map)

# 校验是否存在未匹配到的空值，避免后续类型转换出错
print("SpType列未映射空值数：", data["SpType"].isna().sum())

• 第二步：统一转换所有特征列为数值类型后再转numpy数组

feature_cols = ["Vmag", "Plx", "e_Plx", "B-V", "SpType", "Amag"]
# 提前将所有特征列统一转为float32，避免类型混杂导致numpy数组变为object类型
data[feature_cols] = data[feature_cols].astype("float32")
X_orig = data[feature_cols].to_numpy()

• 第三步：转换为PyTorch张量，此时不会触发类型错误

X = torch.tensor(X_orig, dtype=torch.float32)
# 可打印张量信息校验结果
print(f"张量形状：{X.shape}, 张量数据类型：{X.dtype}")

注意：如果之前执行data["SpType"] = data.SpType.astype(float)没有抛出明显报错，可以先执行print(data["SpType"].dtype)校验列类型，只要输出不是float32/float64就说明转换实际未生效，需要先排查列内是否存在空值、非法字符串等无法转浮点的内容。
如果不需要将SpType处理为连续数值，也可以采用独热编码处理该分类列，但注意独热编码会增加特征维度，要提前匹配后续模型的输入形状要求。

内容的提问来源于stack exchange，提问作者S C