Python: обработка смешанных типов данных в столбце доходов CSV (десятичные, отрицательные, пробелы) при чтении с помощью ⇐ Python

[Anonymous]

Участники, Я новичок в Python и пришел сюда по простому вопросу, который не могу найти в сети.

У меня есть данные о продажах с информацией о клиентах, датами и доходами. Преобразовали файл в .csv

когда я читаю файл csv в Python, он выдает предупреждающее сообщение «DtypeWarning: столбцы (27) имеют смешанные типы. Укажите параметр dtype при импорте или установите low_memory = False».

Python считывает столбец как объект. Я пытался преобразовать его в float64, но он преобразуется как строка и по-прежнему сообщает, что столбец имеет смешанные типы.

введите здесь описание изображения

Что в столбце «Доход»: 444,38, -332,88 и пробелы. итак, в столбце доходов есть . в виде десятичных дробей
[*]для отрицательных значений и пробелы
любая помощь будет оценена

Код:

импортировать панд как pd # Загрузите файл в DataFrame sales_df = pd.read_csv('Тест данных о продажах.csv') # Определите имена столбцов словаря, сопоставляющие нужные типы данных data_types = { «Общий доход»: «строка», «Всего GP»: «строка», 'Billing\nQty': 'строка' } # Преобразование столбцов в указанные типы данных sales_df = sales_df.astype(типы_данных) # Замените запятые на '' и пустые ячейки на 0 в последних трех столбцах columns_to_convert = ['Общий доход', 'Общий доход', 'Выставление счетов\nQty'] для столбца в columns_to_convert: sales_df[col] = sales_df[col].str.replace(',', '', regex=False) # Удалить запятые sales_df[col].replace('', '0', inplace=True) # Заменяем пробелы на '0' # Отображение обновленных типов данных и образцов данных print(sales_df[columns_to_convert].dtypes) print(sales_df[columns_to_convert].head()) Приведенный выше код по-прежнему выдает то же предупреждение.