社区
脚本语言
帖子详情
python 报错ValueError: could not convert string to float: "0.0000"
程序猿灬
2018-12-24 10:53:32
代码如下
...全文
1011
11
打赏
收藏
python 报错ValueError: could not convert string to float: "0.0000"
代码如下
复制链接
扫一扫
分享
转发到动态
举报
写回复
配置赞助广告
用AI写文章
11 条
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
程序猿灬
2018-12-24
打赏
举报
回复
引用 8 楼 suiziugo 的回复:
val值全部打印出来看看
这个就是全部的值
程序猿灬
2018-12-24
打赏
举报
回复
这个是全部的值
程序猿灬
2018-12-24
打赏
举报
回复
这个就是全部的值
suiziugo
2018-12-24
打赏
举报
回复
val值全部打印出来看看
程序猿灬
2018-12-24
打赏
举报
回复
截取完之后 只有浮点数 “0.0000” 这样的
程序猿灬
2018-12-24
打赏
举报
回复
[quote=引用 5 楼 suiziugo 的回复:]
截取完之后是啊
suiziugo
2018-12-24
打赏
举报
回复
字符串里是纯数字吗?比如你带个xyz啥的,肯定无法转换为float!
程序猿灬
2018-12-24
打赏
举报
回复
[quote=引用 1 楼 suiziugo 的回复:]所有值都是字符串格式的
程序猿灬
2018-12-24
打赏
举报
回复
@#1 所有值都是字符串格式的
程序猿灬
2018-12-24
打赏
举报
回复
所有值都是字符串格式啊
suiziugo
2018-12-24
打赏
举报
回复
val有非法值,不能转换为float。检查所有值格式。
Python
ValueError
实战指南:从模糊
报错
到精准定位与防御
ValueError
是
Python
中典型的语义型异常,它不反映类型错误,而是揭示输入值在业务逻辑或函数契约层面的不合法性。其本质是运行时数据质量预警,常见于int()、
float
()、datetime.strptime()、json.loads()等标准库调用中。相比TypeError,
ValueError
更难定位,因其根源常在数据源头而非代码本身——如空字符串、非法日期、含单位的价格文本或编码BOM头。掌握repr()调试、结构化捕获、预校验策略及Safe
Convert
er封装,能显著提升数据管道健壮性。
Python
时间秒数转时分秒的5级工程化实现
时间格式化是软件开发中高频基础需求,本质是将标量时间值(如总秒数)按十进制与天文周期关系分解为可读单位组合。其核心原理涉及整除取模运算、浮点精度控制、负数语义对齐及多尺度时间单位映射。技术价值在于支撑日志可读性、监控告警阈值判定、性能分析排序等关键工程能力。典型应用场景覆盖电商超时监控、IoT设备心跳统计、音视频处理耗时打点、金融交易延迟度量等。本文聚焦
Convert
和time两大热词,提供从命令行脚本到支持pandas批量处理、线程安全、本地化适配的
Python
工业级实现路径。
Mac本地部署OpenClaw+MLX+飞书:零数据出域的AI工作流
本地大模型推理是AI工程化落地的关键环节,其核心在于框架适配、内存效率与协议解耦。MLX作为苹果原生机器学习框架,通过统一内存池与ANE硬件协同,显著降低Apple Silicon设备的推理延迟与功耗;OpenClaw则以轻量级Agent架构实现模型、工具、记忆与协议的模块化分离,支持飞书等平台的事件驱动式集成。该组合规避了PyTorch+Metal在M系列芯片上的Flash Attention兼容性问题和双拷贝内存瓶颈,同时绕开Claude/Codex等闭源方案的硬件限制与隐私风险。典型应用场景包括周报生
Python
数据清洗三轨框架:结构、语义与业务逻辑校验
数据清洗是数据科学中保障模型可靠性的基础工程实践,其本质是确保输入数据在结构合法性、语义合理性与业务一致性三个维度上均达标。结构完整性关注字段类型、取值范围与格式约束,如用pandera定义Schema实现可验证的数据契约;语义一致性聚焦‘合法但不合理’的值,例如评分超出1–5区间或含占位符,需结合领域词典动态识别;业务逻辑轨则建模跨字段关系,如评论数与评分的统计分布规律,将清洗升维为业务洞察。这些方法共同支撑真实场景下的稳健建模,尤其适用于电商、本地生活、O2O等多源异构数据环境。本文即以OpenRice
投资数据清洗六层漏斗:从单位陷阱到合规审计的实战框架
数据清洗是金融建模与投资决策的基石,其核心远不止缺失值处理或异常检测,而是围绕业务逻辑、监管要求和跨源一致性构建的可信数据生产流程。在私募基金、FOF及跨境并购等场景中,单位混淆、时间粒度错位、财务勾稽断裂、合规命名偏差等结构性问题,直接导致IRR失真、估值误判甚至监管处罚。本文聚焦‘投资级数据清洗’这一垂直领域,系统阐释如何将pandas技术能力与财务准则、投资协议、中基协披露规范深度耦合,实现从原始字段到可审计、可追溯、可解释的决策就绪数据。涵盖单位标准化、时间轴对齐、业务规则代码化、合规字段治理等关键
脚本语言
37,738
社区成员
34,210
社区内容
发帖
与我相关
我的任务
脚本语言
JavaScript,VBScript,AngleScript,ActionScript,Shell,Perl,Ruby,Lua,Tcl,Scala,MaxScript 等脚本语言交流。
复制链接
扫一扫
分享
社区描述
JavaScript,VBScript,AngleScript,ActionScript,Shell,Perl,Ruby,Lua,Tcl,Scala,MaxScript 等脚本语言交流。
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
试试用AI创作助手写篇文章吧
+ 用AI写文章