Pandas读取CSV时symbol列NaN识别为浮点型调用lower报错如何解决

根因说明 #

你的代码报错本质是执行顺序错误：原代码写的是str(row["symbol"].lower())，会先对row["symbol"]调用lower方法再转字符串，而空值NaN是float类型，不存在lower方法，直接触发报错。你之前尝试转字符串不生效也是因为转字符串的操作放在了lower调用之后，没有起到作用。

最优方案（推荐） #

不要用iterrows嵌套循环，改用Pandas向量化操作，性能更高且代码更简洁，同时从根源避免类型错误：

def symbols_to_ids(self, symbols):
    df = pd.read_csv(os.getcwd() + "/Backtester/Results/Misc/allcoins.csv")
    # 先处理symbol列：空值替换为空字符串→转字符串类型→统一转小写
    df['symbol'] = df['symbol'].fillna('').astype(str).str.lower()
    # 传入的symbols也统一转小写做匹配
    target_symbols = [s.lower() for s in symbols]
    # 批量筛选匹配的id直接返回列表
    return df.loc[df['symbol'].isin(target_symbols), 'id'].tolist()

代码说明 #

• fillna('') 提前把所有NaN空值替换为空字符串，消除float类型的空值
• astype(str) 强制整列转为字符串类型，避免残留非字符串值
• str.lower() 是Pandas Series内置的字符串处理方法，对整列批量执行小写转换，不会触发类型错误
• isin批量匹配替代嵌套循环，数据量越大性能优势越明显

兼容原有写法的修改方案 #

如果你需要保留原来的iterrows遍历逻辑，只需要调整str转换和lower调用的顺序即可：

# 把原判断语句从
if str(row["symbol"].lower()) == str(symbol.lower()):
# 替换为
if str(row["symbol"]).lower() == str(symbol).lower():

调整后会先把row["symbol"]转为字符串再调用lower方法，不会再触发float类型的属性错误。

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