我有一个csv文件，其中一列中有一个数组值。您可以在此处查看数据(驱动器链接)。
我使用这个代码df = pd.read_csv('class_ 0_0_data.csv', sep=",")，如果使用df.dtypes进行检查，则所有列都是对象类型。你怎么把它变成浮子？
我尝试使用df['CpuTemperature'] = df['CpuTemperature'].astype(float)，但它返回
无法将字符串转换为浮动
我尝试使用df['CpuTemperature'] = pd.to_numeric(df['CpuTemperature'],errors='coerce')，但它将所有值返回给NaN。
有人知道如何将文件读取为可用值吗？我还想将所有列从object更改为float，而不仅仅是CpuTemperature。非常感谢。
编辑：预期的结果，类似于这样，所以我可以使用数组中每个元素的值，例如，绘制一个图。
| | CpuTemperature |
| | 0 | 1 | 2 | 3 |
| --- | ----------------------|
| 0 |56.75|44.75|3.52 |47.83|
| 1 |48.75|42.25|2.39 |45.00|
到目前为止，我使用df = pd.read_csv('class_ 0_0_data.csv', converters={'class_ 0_0_data': lambda x: np.array(x)}, index_col=0).T
您可以将转换器传递给read_csv。class_ 0_0_data列包含可以用ast.literal_eval解析的列表的列表的字符串表示。困难的部分是这些列表可以包含nan，它将在literal_eval处阻塞。一种可能的方法是将它们括在引号中，将它们转换为字符串，然后将它们改回正确的np.nan值：
def convert(x):
x = x.replace("nan", "'nan'")
lst = ast.literal_eval(x)
lst = [[x if x != 'nan' else np.nan for x in i] for i in lst]
return np.array(lst)
我们应该在其class_ 0_0_data列中获得一个包含预期np.ndarray的数据帧。
一旦加载了数据帧，我们就可以对其进行分解，用groupby和cumcount计算行号，然后再次分解并计算列号。然后一个简单的透视图应该给出预期的格式：
df = pd.read_csv('class_ 0_0_data.csv',
converters={'class_ 0_0_data': convert})
df.columns = ['name', 'data']
df = df.explode('data')
df['row'] = df.groupby('name').cumcount()
df = df.explode('data')
df['col'] = df.groupby(['name', 'row']).cumcount()
df = df.pivot(index='row', columns=['name', 'col'], values='data').astype('float64')
最后，我们得到了一个包含float64列的数据帧，其初始部分为(由df.head(10)给出)：
name CpuTemperature ... ValidFrameOptrisPIIRCamera
col 0 1 ... 0 1
row ...
0 56.75 44.75 ... 259.0 27.582899
1 48.75 42.25 ... 273.0 27.058227
2 47.50 42.00 ... 272.0 26.907842
3 48.25 42.25 ... 271.0 26.968238
4 50.00 42.50 ... 271.0 26.969415
5 52.00 42.25 ... 271.0 26.935518
6 50.00 40.50 ... 270.0 26.886856
7 46.50 40.50 ... 271.0 26.925594
8 47.75 41.00 ... 271.0 26.975050
9 49.25 41.00 ... 270.0 26.888554
[10 rows x 246 columns]