修复Python中的TypeError: Cannot Convert the Series to in Python
通过这个解释，我们将了解为什么会出现错误TypeError: cannot convert the series to <class 'float'>。我们还将学习如何修复它并在Python中更改Pandas系列的数据类型。
在Python中转换Pandas系列的数据类型而不会出错
让我们跳到一个示例数据集。我们将导入Pandas库，然后导入数据集;我们将从各国的酒精消费量开始。
我们将声明一个名为Alcohol的变量，并从http://bit.ly/drinksbycountry读取CSV文件。
执行以下代码后，我们将查看head()，我们应该看到六列和四行数字。
import pandas as pd
Alcohol = pd.read_csv('http://bit.ly/drinksbycountry')
Alcohol.head()
输出：
让我们看看这些列的数据类型。我们将使用dtypes数据帧的Alcohol属性来查找数据类型。
Alcohol.dtypes
现在我们将看到三个列是整数列，一个是浮点数列，然后两个列是对象，这意味着country和continent只是字符串。
输出：
假设我们想将spirit_servings列转换为浮点数而不是整数。我们所要做的就是使用series方法astype()并传递它float，这意味着我们将其转换为浮点类型。
如果要修改数据框，您可以添加新列或覆盖现有的spirit_servings列。如果我们定义dtypes来检查列的数据类型，我们会看到它已经改变了，而spirit_servings现在是一个浮点列。
Alcohol['spirit_servings']=Alcohol.spirit_servings.astype(float)
Alcohol.dtypes
输出：
现在你可能想知道这有什么用。当你有一个数据文件，其中数字存储为字符串，并将其读入Pandas字符串，但想要对它们进行数学运算时，你通常会这样做。
要对列进行数学运算，它必须是数值类型，因此您的列类型应该是float，这是更常见的用例。如果你不把它转换成float类型，你会得到一个错误，就像这样TypeError: cannot convert the series to <class 'float'>。
还有一个问题：在实际阅读CSV文件之前，它是如何找到每一列的类型的？现在我们将在CSV阅读过程中更改数据类型;我们必须再添加一个参数dtype。
我们把它传给字典;字典键是spirit_servings，字典值是浮点数。现在，如果我们检查该列的数据类型，我们会再次看到spirit_servings已被转换为浮点数。
Alcohol = pd.read_csv('http://bit.ly/drinksbycountry',dtype={'spirit_servings':'float'})
Alcohol.dtypes
输出：
这和上面的唯一区别是这个方法在阅读过程中执行。在上面的例子中，我们是在数据框已经创建之后对其进行转换的。
另一个在Python中转换Pandas系列的数据类型而不出错的例子
现在，我们将向您展示另一个数据集和另一个使用芯片订单数据的示例。
CHIP_ORDERS=pd.read_table('http://bit.ly/chiporders')
CHIP_ORDERS.head()
让我们看看专栏。我们要关注item_price列。
CHIP_ORDERS.dtypes
Pandas将item_price列存储为对象，即字符串，因为它不知道这些是数字。
要用它做一些数学运算，我们必须从一个序列中删除一个字符，比如$符号。我们可以使用str和replace()方法来用nothing替换美元符号，但这还不够;如果我们试图对这个序列进行数学运算，它会给予你一个错误。
CHIP_ORDERS.item_price.str.replace('$','').mean()
输出：
ValueError: could not convert string to float: '2.39 3.39 3.39...
这是因为即使我们删除了美元符号，它仍然是一个字符串，所以我们必须将其类型转换为float。在我们将其类型转换为float之后，我们可以对它进行数学运算。
CHIP_ORDERS.item_price.str.replace('$','').astype(float).mean()
输出：
