Python服务器处理DataFrame字符串浮点混合列报错，本地运行正常问题排查

问题原因 #

• 核心诱因是TotalCosts列虽整体显示为object类型，但列内元素类型不统一：部分为带逗号的数值字符串，部分为float类型的空值（NaN）。遍历调用replace方法时，遇到float类型的NaN就会触发'float' object has no attribute 'replace'报错。
• 本地运行正常、服务器运行报错的差异，来自两端的CSV解析规则不同：本地读取CSV时空值被识别为空字符串，所有元素均为字符串类型，replace操作可正常执行；服务器端读取时，空单元格被默认解析为float类型的NaN，导致类型冲突。
• 此前出现的AttributeError: Can only use .str accessor with string values!报错也是相同原因：列内混有非字符串的float元素，无法直接调用pandas的str系列方法。

解决方案 #

方案1：读取CSV时直接指定小数分隔符（最推荐） #

读取文件时通过decimal参数声明逗号为小数分隔符，pandas会直接将该列解析为float类型，无需额外做替换操作：

import pandas as pd
df = pd.read_csv("你的数据源文件.csv", decimal=",")
# 后续可直接执行数值计算
df['net'] = df.TotalCosts * 0.19

方案2：已读取为object类型的修复方案 #

如果无法修改读取逻辑，可使用pandas内置方法做兼容处理，自动跳过空值：

# 替换逗号为点，自动忽略NaN类型的空值
df['TotalCosts'] = df['TotalCosts'].str.replace(',', '.', regex=False)
# 转为数值类型，异常值/空值会自动转为NaN
df['TotalCosts'] = pd.to_numeric(df['TotalCosts'], errors='coerce')

内容的提问来源于stack exchange，提问作者stanvooz