读取特殊结构CSV文件遇ValueError：numpy.loadtxt无法转字符串为浮点数

这问题我太熟了，你的CSV格式确实有点棘手——既有双逗号分隔的数据区块，又存在缺失值，numpy.loadtxt本身就没法处理空字符串转float的场景，毕竟它默认要求指定列的所有内容都是可转换的数值。给你两个简便的解决思路：

方法一：用Pandas处理（最省心） #

Pandas对不规则CSV和缺失值的支持比Numpy友好太多，一行代码就能搞定读取，之后再提取你需要的列就行：

import pandas as pd

# 读取文件，自动将空值转为NaN（无需手动处理分隔符）
df = pd.read_csv("your_file.csv", header=None)
# 提取你需要的0、1、6、7列，转为Numpy数组（如果需要的话）
selected_data = df[[0, 1, 6, 7]].values
# 如果要像loadtxt那样unpack的话
data0, data1, data6, data7 = selected_data.T

这个方法的优势是完全不用关心双逗号或者缺失值的问题，Pandas会自动识别所有空的逗号位置并标记为缺失值，后续处理也灵活。

方法二：纯Numpy手动处理（如果不想引入Pandas） #

如果必须用Numpy，那得先手动读取每一行，把空字符串替换成可转换的数值（比如np.nan），再转为数组：

import numpy as np

def parse_line(line):
    # 按逗号分割每行，把空字符串替换为NaN
    elements = line.strip().split(",")
    return [np.nan if elem == "" else float(elem) for elem in elements]

# 读取并处理所有行
with open("your_file.csv", "r") as f:
    processed_lines = [parse_line(line) for line in f if line.strip()]

# 转为Numpy数组并提取指定列
data = np.array(processed_lines)[:, [0, 1, 6, 7]]
# 同样支持unpack
data0, data1, data6, data7 = data.T

为什么你之前的代码报错？ #

你用usecols=(0,1,6,7)时，像row2里第6、7列的位置是空字符串（因为前面有一堆连续逗号），numpy.loadtxt会直接尝试把空字符串转成float，自然就抛出ValueError了——它没有内置的缺失值处理逻辑，必须我们手动提前处理空值。

内容的提问来源于stack exchange，提问作者mmonti