python - 尽管尝试了我能找到的所有方法来删除有问题的行，但仍然出现“ValueError：无法将字符串转换为浮点数”

Question

我有一个包含数千万条记录的文件，其中包含每条记录的用户、项目和评分。评分是从网络上抓取的，最初是作为 HTML 抓取的，然后替换为相应的数字评分（例如，这是 5 星：

"<i style=""height: 16px; width: 16px;"" class=""rating__icon--2T9_0 rating__icon100--2vw_3""><i style=""height: 16px; width: 16px;"" class= ""rating__icon--2T9_0 rating__icon100--2vw_3""><i style=""height: 16px; width: 16px;"" class=""rating__icon--2T9_0 rating__icon100--2vw_3""><i style=""高度：16px；宽度：16px；"" class=""rating__icon--2T9_0 rating__icon100--2vw_3""><i style=""height: 16px; width: 16px;"" class=""rating__icon--2T9_0 rating__icon100 --2vw_3"">"

尽管它们最初被转换为文本值，而不是浮点数）。

此评级数据的目的是通过矩阵分解模型运行它，并输出推荐。为此，我需要将评级的文本值转换为数值（具体来说是浮点数，因为评级增加了 0.5）。我之前已经用数字的相应文本版本（0.5、1、1.5 等）替换了所有 HTML 版本（或者至少认为我有），但是当尝试将评级转换为浮点数时，我得到以下错误：

ValueError: could not convert string to float: '<i style="height: 16px; width: 16px;" class="rating__icon--2T9_0 rating__icon100--2vw_3"></i><i style="height: 16px; width: 16px;" class="rating__icon--2T9_0 rating__icon100--2vw_3"></i><i style="height: 16px; width: 16px;" class="rating__icon--2T9_0 rating__icon100--2vw_3"></i><i style="height: 16px; width: 16px;" class="rating__icon--2T9_0 rating__icon60--L-GzD"></i><i style="height: 16px; width: 16px;" class="rating__icon--2T9_0 rating__icon0--1xK2J"></i>'

我搜索了尽可能多的似乎属于此类错误的帖子，并找到了三个主要建议，说明如何使用 HTML 版本的评级删除任何剩余记录。

df[~df.rating.str.contains("icon", na=False)]

df = df.replace(r'^\s*$', np.nan, regex=True)

pd.to_numeric(df.rating, errors='coerce').dropna()

我已经尝试了所有三个，但在尝试将评级值转换为浮点数时仍然得到相同的错误。预先感谢您提供有关如何克服此减速带的任何其他建议。我对 python 非常陌生（并且一般都在编写代码）——我参加了一个在线课程并自学了，这样我就可以自己完成这个项目。非常欢迎任何和所有帮助/建议，我非常感谢您的时间和想法。

编辑：

回答 @0x5453 下面的问题，进行初始 HTML -> 数字评级转换的代码：

import pandas as pd
import numpy as np

df = pd.read_csv('/Users/spencermains/documents/cruu/WR_finals/trainclean_wine_reviews_red_apr2021.csv',
                     dtype={'id':str, 'winery_name':str, 'wine_name': str, 'rating':object})

dframe = df.replace('<i style="height: 16px; width: 16px;" class="rating__icon--2T9_0 rating__icon100--2vw_3"></i><i style="height: 16px; width: 16px;" class="rating__icon--2T9_0 rating__icon100--2vw_3"></i><i style="height: 16px; width: 16px;" class="rating__icon--2T9_0 rating__icon100--2vw_3"></i><i style="height: 16px; width: 16px;" class="rating__icon--2T9_0 rating__icon60--L-GzD"></i><i style="height: 16px; width: 16px;" class="rating__icon--2T9_0 rating__icon0--1xK2J"></i>', '3.5')

（长度缩短，但你明白了）

标签： pythonpandas