Anaconda Spyder(Python)报错：无法对字符串执行一元负运算

这个错误的根源很清晰：你在执行-mydataset.iloc[:,6].values时，试图对字符串类型的数据使用一元负号（取反操作），而Python不允许对字符串做这个运算，所以抛出了类型错误。

为什么会出现这个情况？ #

当你用pd.read_csv()读取文件时，pandas会自动解析列数据类型，但如果第6列（注意pandas是从0开始索引，对应CSV里的第7列）包含非数值内容（比如空格、字母、特殊符号），或者格式不符合数值标准（比如用逗号代替小数点），这一列就会被识别为object类型（也就是字符串）。

一步步解决方法 #

1. 先确认数据类型
   先跑一行代码检查各列的类型，确认第6列是不是字符串：

   print(mydataset.dtypes)
   

   如果对应列显示object，就坐实了是类型问题。

2. 检查CSV文件内容
   打开wall_positions.csv，找到第7列（对应代码里的iloc[:,6]）：

   • 看看有没有空值、多余空格或者字母/符号混在数值里
   • 确认数值的小数点是不是用的.，而不是,这类非标准分隔符

3. 转换列数据类型
   确认这一列应该是数值后，用pd.to_numeric()把它转成数值类型，同时处理可能的错误值：

   # 转换第6列，无法转换的值会变成NaN，方便后续处理
   mydataset.iloc[:,6] = pd.to_numeric(mydataset.iloc[:,6], errors='coerce')
   # 顺便把后面要用到的列也一起转了，避免再出类似问题
   cols_to_convert = [7,8,9,10]
   for col in cols_to_convert:
       mydataset.iloc[:,col] = pd.to_numeric(mydataset.iloc[:,col], errors='coerce')
   

   转换后如果有NaN值，你可以选择删除这些行（mydataset = mydataset.dropna()）或者填充默认值（比如mydataset = mydataset.fillna(0.0)）。

4. 提前指定类型读取（更高效的方式）
   下次读取CSV时，直接指定列的类型，避免自动解析出错：

   # 假设第6到10列都是浮点型，根据你的实际数据调整类型
   dtype_mapping = {6: float, 7: float, 8: float, 9: float, 10: float}
   mydataset = pd.read_csv('wall_positions.csv', dtype=dtype_mapping)
   

另外小建议：如果你的CSV有表头，用列名索引（比如mydataset['x_start']）会比iloc[:,6]更直观，不容易搞混列的位置~

内容的提问来源于stack exchange，提问作者deepakpawar.2310