Python pandas构建线性回归时报#DIV/0!转float的ValueError

触发ValueError: could not convert string to float: '#DIV/0!'的核心原因，和你感知的“所有涉及列均为浮点数存储”存在实际误差：

• #DIV/0!是Excel导出csv时自动生成的公式错误占位符，对应表格里做除法计算时分母为0的失败单元格，本质是纯文本字符串，不是有效数值
• 只要某一列里混入哪怕1个这类字符串，pandas读入csv时就不会把该列识别为float数值类型，会整体存为object字符串类型
• 你在Excel里看到的“浮点数存储类型”是单元格的预设格式，不是单元格实际的存储值——带#DIV/0!的单元格哪怕预设格式是浮点数，导出csv后实际写入文件的也是错误文本串
• sklearn拟合线性回归时，会强制把所有输入特征转换为浮点类型做矩阵运算，碰到这类无法转成数字的字符串就会直接抛出类型转换错误

• 第一步：读入csv时主动指定需要识别为缺失值的Excel常见错误占位符，避免把错误字符串读成有效数据

  import pandas as pd
  # 读入时配置缺失值识别规则，覆盖所有常见Excel导出错误值
  trans = pd.read_csv(
      "steam3.csv",
      na_values=["#DIV/0!", "#N/A", "#VALUE!", "#REF!"]
  )
  

• 第二步：校验建模所用列的实际数据类型，确认没有残留字符串值

  # 打印列的实际存储类型，确认三个列均为int/float数值类型
  print(trans[["price", "positive_ratings", "c.owners"]].dtypes)
  

• 第三步：清洗建模所用的缺失值，避免后续拟合时报空值错误
  可以直接删除建模相关列存在缺失的行，简单适配线性回归的输入要求：

  # 提取建模用的子集，删除存在缺失值的行
  model_dataset = trans[["price", "positive_ratings", "c.owners"]].dropna()
  # 拆分特征和预测目标
  y = model_dataset["price"]
  x = model_dataset[["positive_ratings", "c.owners"]]
  

• 第四步：重新运行线性回归拟合代码即可正常运行

  from sklearn import linear_model
  mymodel = linear_model.LinearRegression()
  mymodel.fit(x, y)
  print(mymodel.coef_)
  

注意：不要跳过缺失值处理步骤直接拟合，哪怕把#DIV/0!转成了缺失值，存在NaN的输入同样无法被sklearn的线性回归接口接受，会抛出新的空值输入报错。

内容的提问来源于stack exchange，提问作者Needhelp