使用numpy.loadtxt导入CSV为数组时无空白单元格仍报ValueError怎么办

你遇到的ValueError: could not convert string to float: ''报错本质是numpy解析CSV时读取到了空字符串，无法转为浮点型，你肉眼没有发现空白单元格，大概率是以下几种隐藏问题导致的：

• CSV某行末尾存在多余的逗号分隔符，会被loadtxt识别为多出来的空字段
• 单元格内存在不可见的空白字符（如全角空格、制表符、换行符），视觉上和正常单元格无差异，但解析时会被识别为无效值
• 部分数值单元格被意外加上了引号、转义符等特殊符号，导致解析失败

运行以下代码可以精准定位到出错的行和列，同时显示不可见字符：

with open("HIP Only 2.csv", "r", encoding="utf-8") as f:
    lines = f.readlines()
# 统计表头列数作为标准列数
header_col_count = len(lines[0].strip().split(","))
# 从第二行（数据行）开始逐行检查
for line_num, line in enumerate(lines[1:], start=2):
    cols = line.strip().split(",")
    # 检查列数是否匹配
    if len(cols) != header_col_count:
        print(f"第{line_num}行列数不匹配，预期{header_col_count}列，实际{len(cols)}列，行内容：{repr(line)}")
    # 检查是否存在空字段
    for col_num, val in enumerate(cols, start=1):
        if val.strip() == "":
            print(f"第{line_num}行第{col_num}列为空值，原始内容：{repr(val)}")

你可以根据定位到的问题选择对应修复方法，也可以直接用容错率更高的解析方法：

1. 如果是行末尾多逗号导致的列数不匹配
   在np.loadtxt中添加usecols参数指定读取的列数即可，比如你的数据实际有10列就写：

array = np.loadtxt("HIP Only 2.csv", dtype=np.float32, delimiter=",", skiprows=1, usecols=range(10))

2. 如果存在少量缺失值/异常值
   改用兼容异常值的np.genfromtxt方法，可自定义缺失值填充规则：

# 缺失值填充为0.0，也可以设置为np.nan
array = np.genfromtxt("HIP Only 2.csv", dtype=np.float32, delimiter=",", skip_header=1, filling_values=0.0)

3. 通用快速解决方法
   用pandas读取CSV后再转为numpy数组，pandas的CSV解析器容错率更高，可自动处理大部分格式异常：

df = pd.read_csv("HIP Only 2.csv")
array = df.to_numpy(dtype=np.float32)

内容的提问来源于stack exchange，提问作者Anti-Thorium