ValueError：无法将字符串转换为浮点数：：'30/01/20'答案

【问题标题】：ValueError: could not convert string to float: :'30/01/20'ValueError：无法将字符串转换为浮点数：：'30/01/20'
【发布时间】：2021-02-14 09:30:59
【问题描述】：

我不断收到此错误，感谢您

我一直在尝试这个，但出现值错误https://colab.research.google.com/drive/1jEmsG9WWRpUmuU92URD0PxtzWkpETlY3?usp=sharing

from sklearn.naive_bayes import GaussianNB
from sklearn.model_selection import train_test_split
from sklearn.metrics import confusion_matrix
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns; sns.set()

import datetime 




df = pd.read_csv('/content/covid_19_india.csv')
df['split'] = np.random.randn(df.shape[0], 1)

msk = np.random.rand(len(df)) <= 0.7

training = df[msk]
test = df[~msk]


xtrain = training.drop('Sno', axis=1)
ytrain = training.loc[:, 'Sno']
xtest = test.drop('Sno', axis=1)
ytest = test.loc[:, 'Sno']



model = GaussianNB()


model.fit(xtrain, ytrain)


pred = model.predict(xtest)


mat = confusion_matrix(pred, ytest)
names = np.unique(pred)
sns.heatmap(mat, square=True, annot=True, fmt='d', cbar=False,
            xticklabels=names, yticklabels=names)
plt.xlabel('Truth')
plt.ylabel('Predicted')

ValueError Traceback（最近一次调用最后一次）在（） 31 32 # 训练模型 ---> 33 model.fit(xtrain, ytrain) 34 35 # 预测输出

6 帧 /usr/local/lib/python3.6/dist-packages/numpy/core/_asarray.py in asarray(a, dtype, order) 83 84 """ ---> 85 返回数组（a，dtype，copy=False，order=order） 86 87

ValueError：无法将字符串转换为浮点数：'30/01/20'

任何帮助

【问题讨论】：

您期待什么？这不是一个浮点数：'30/01/20'，这是一个日期！您可能从输入文件中读取了错误的列。
您好，感谢您回复我是学生，这是项目。预测是目标。你能帮我解决使用 GaussianNB() 的混淆矩阵吗

标签： python pandas numpy gaussian

【解决方案1】：

错误消息说“30/01/20”字符串不能转换为 浮点数。

看来您的 DataFrame 包含一个带日期的列。

请注意，当 read_csv 读取源数据时，它会尝试转换数字列到 int 或 float，但其他列（不能以这种方式转换）保留为字符串和这些列具有 object 数据类型。

从识别哪一列包含日期开始。然后，将此列转换为 datetime，最早在读取阶段，将 parse_dates 参数传递给 read_csv，带有要转换的列名列表。

那么至少转换成float应该没有问题。

【讨论】：

【解决方案2】：

正如 cmets 和此问题的其他答案中所提到的，您的数据集中有一列日期格式化为字符串。您有几个选择。

不要使用日期列

为了争论，假设您的日期在名为df['dates'] 的列中。如果您不想使用日期列，可以直接删除它。

df.drop('date', axis=1)

将日期转换为日期时间格式

另一个选项是将此列转换为日期时间格式。这可以使用apply() 和datetime.datetime.strptime 来完成。如果您是一名有抱负的数据科学家，您应该阅读并收藏https://docs.python.org/3/library/datetime.html#strftime-strptime-behavior。我保证，它非常方便。

from datetime import datetime
df['date'] = df['date'].apply(lambda d:datetime.strptime(d, '%m/%d/%y')

【讨论】：