读取导入csv csv报错iterable expected, not float

这篇博客介绍了在Python中使用pandas读取CSV文件时遇到的`iterable expected, not float`错误的解决方法。内容包括如何正确处理非字符串类型的数据,以及在写入CSV时将数据转换为可接受的格式。同时,提供了读取CSV的代码示例,并提到了数据预处理和KMeans聚类的应用。" 101752145,7356199,LeetCode 1046: 最后一块石头的重量解题解析,"['算法', '数据结构', '优先队列', 'LeetCode']

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

示例代码
import pandas as pd
import re
import csv

data = pd.read_csv('nuojia.csv', encoding='utf-8')
# print(data)
data = data.values

# 把第二列的数值数据提取出来,存入num.csv中
with open('num.csv', 'a+', newline='') as csvfile:
writer = csv.writer(csvfile)
data1 = data[:, 1]
print(data1)
# print(len(data[:, 1]))
for i in range(len(data1)):
# print(data1[i])
num = re.findall('[0-9]+', data1[i])
# print(num)
# writer.writerow(num)


注意:1,csv导入大部分是字典格式
2,列表的话一般要求,列表里面的是字符串格式
3,如果是一列数据不是字符串,写入csv的话会报错iterable expected, not float
那就把数据存入列表中,导入整个列表,再把数据在excel中转置(选中数据,复制,选择性粘贴,转置),代码如下:
comment_score = []
with open('comment_score.csv', 'a+', newline='') as csvfile:
writer = csv.writer(csvfile)
for i in range(1,len(columns)):
comment = columns[i]
try:
s = SnowNLP(columns[i])
print(s.sentiments)
comment_score.append(s.sentiments)
except ZeroDivisionError as e:
print('ZeroDivisionError')

print(comment_score)
writer.writerow(comment_score)
4,参考链接如下:https://blog.youkuaiyun.com/taotiezhengfeng/article/details/75876717


读取csv
with open('nuojia.csv','rt', encoding='utf-8') as csvfile:
reader = csv.reader(csvfile)
columns = [row[6] for row in reader] # 读取第七列
不想用dataframe格式只想要数据的话就用这种方法

 

存入数据不知道怎么存的话就可以用dataframe
kmodel = KMeans(n_clusters=k, n_jobs=1)
kmodel.fit(data)

print(kmodel.cluster_centers_) # 查看聚类中心
center = DataFrame(kmodel.cluster_centers_)
center.to_csv('center.csv')
print(kmodel.labels_) # 查看个样本对应的类别
label = DataFrame(kmodel.labels_)
label.to_csv('label.csv')

转载于:https://www.cnblogs.com/aixiao07/p/10069857.html

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值