TypeError: Cannot perform reduction 'mean' with string dtype
Coloana pe care calculezi media e de tip text (str), nu numerică, de obicei pentru că în fișier o celulă conține ceva ce nu e număr („-”, „n/a”, „12 lei”). Transformă coloana în număr: citește cu na_values=["-"] sau folosește pd.to_numeric(..., errors="coerce"), apoi calculează media.
Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la
Ce înseamnă
În pandas 3, coloanele de text au tipul str. Operațiile de „reducere” care transformă o coloană într-un singur număr, ca mean, median sau std, nu au sens pe texte, deci pandas se oprește cu acest mesaj. (sum nu dă eroare pe texte: le lipește unele de altele, "12" + "5" = "125", ceea ce e și mai periculos.)
De ce e coloana text? Pentru că read_csv alege tipul unei coloane după toate valorile ei: dacă măcar una nu arată a număr, toată coloana rămâne text. Cele mai des întâlnite sunt marcajele de lipsă scrise de mână ("-", "lipsă"), unitățile ("12 lei") și zecimalele cu virgulă. Uită-te la df.dtypes: o coloană care ar trebui să fie numerică și apare ca str (sau object, în versiunile vechi) e semnalul.
În pandas 2, același cod dădea TypeError: Could not convert ... to numeric sau un mesaj despre object.
De ce apare: cauzele frecvente
1Lipsuri marcate cu „-” în fișier
df = pd.read_csv("note.csv") # o celulă are "-"
print(df["nota"].mean())df = pd.read_csv("note.csv", na_values=["-"])
print(df["nota"].mean())Cu na_values, "-" devine NaN la citire, coloana devine numerică, iar mean ignoră lipsurile.
2Numere cu unitate sau virgulă
print(df["pret"].mean()) # "24,90", "12,00"df["pret"] = pd.to_numeric(df["pret"].str.replace(",", ".", regex=False))
print(df["pret"].mean())După curățare și conversie, coloana e float64 și media se poate calcula.
3Text amestecat, rezolvat cu errors="coerce"
print(df["varsta"].median()) # "34", "n/a", "41"df["varsta"] = pd.to_numeric(df["varsta"], errors="coerce")
print(df["varsta"].median())Valorile care nu sunt numere devin NaN. Verifică apoi cu isna().sum() câte au fost.
Repară eroarea, direct în pagină
Fișierul note.csv are o notă lipsă marcată cu -, iar calculul mediei dă TypeError: Cannot perform reduction 'mean' with string dtype. Repară citirea fișierului ca nota lipsă să fie tratată ca valoare lipsă și să se afișeze media notelor și numărul de note lipsă.
import pandas as pd
df = pd.read_csv("note.csv")
print(f"Media: {df['nota'].mean():.2f}")
print("Note lipsă:", df["nota"].isna().sum())Media: 8.67 Note lipsă: 1
Indiciu
read_csv are parametrul na_values, în care spui ce texte înseamnă „lipsă”.
Reparația
import pandas as pd
df = pd.read_csv("note.csv", na_values=["-"])
print(f"Media: {df['nota'].mean():.2f}")
print("Note lipsă:", df["nota"].isna().sum())De ce merge
Valoarea - nu e număr, deci read_csv a păstrat toată coloana nota ca text, iar media nu se poate calcula pe texte. Cu na_values=["-"], pandas citește - ca NaN, coloana devine numerică, iar mean() ignoră lipsa: (9 + 10 + 7) / 3 = 8.67. isna().sum() confirmă că e o singură notă lipsă.
Alte forme ale mesajului
TypeError: Cannot perform reduction 'median' with string dtypeTypeError: Cannot perform reduction 'std' with string dtypeTypeError: Could not convert ['1012'] to numeric
Cum o eviți pe viitor
- După
read_csv, verificădf.dtypesși caută coloanele numerice care au apărut castr. - Spune la citire ce înseamnă lipsă:
na_values=["-", "n/a", "lipsă"]. - Nu te baza pe
sum()ca test: pe texte nu dă eroare, ci lipește valorile. - Când primești fișiere de la oameni diferiți, curăță și convertește coloanele numerice o singură dată, la început.
Întrebări frecvente
De ce sum() merge, iar mean() nu?
Pentru texte, + înseamnă lipire, deci sum() are un rezultat (texte lipite unul de altul), chiar dacă nu e cel dorit. Media nu are niciun sens pe texte, deci pandas oprește calculul. Dacă vezi un „total” uriaș format din cifre lipite, ai aceeași problemă.
Cum găsesc valorile care strică coloana?
df[pd.to_numeric(df["nota"], errors="coerce").isna()] îți arată rândurile pe care conversia nu le poate face. De obicei sunt câteva valori, ușor de recunoscut.
Erori înrudite
TypeError: dtype 'str' does not support operation 'mean' Ai aplicat groupby(...).mean() pe tot tabelul, iar pandas încearcă să calculeze media și pentru coloanele de text (nume, oraș). Alege coloana numerică pe care o agregi, df.groupby("dep")["salariu"].mean(), sau adaugă numeric_only=True. ValueError: Unable to parse string "12 lei" at position 0 pd.to_numeric a găsit un text care nu e număr (aici "12 lei", pe poziția 0 din coloană). Curăță valorile înainte (scoate unitatea, spațiile, virgula zecimală) sau folosește errors="coerce", care transformă valorile nevalide în NaN, și verifică apoi ce s-a pierdut. ValueError: could not convert string to float: '1.299,50' Coloana conține numere scrise ca text în format românesc (punct la mii, virgulă la zecimale) sau cu unități, iar astype(float) nu le poate citi. Curăță textul înainte: scoate punctele de mii, înlocuiește virgula cu punct, apoi convertește; sau citește direct cu read_csv(..., thousands=".", decimal=","). Învață Python pentru analiza datelor de la zero, cu exerciții la fiecare lecție
Curs Data Analysis with Python: lecții scurte, fiecare cu un exercițiu verificat automat, direct în browser. Primele 15 lecții sunt gratuite.
