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=",").
Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la
Ce înseamnă
astype(float) transformă fiecare text din coloană în număr, după regulile Python: punct pentru zecimale, fără separator de mii, fără spații sau unități. '1.299,50' (o mie două sute nouăzeci și nouă virgulă cincizeci, în scrierea românească) nu respectă regulile, deci conversia se oprește la prima valoare problematică, pe care o vezi în mesaj.
Coloanele de felul ăsta apar când citești un export din Excel românesc fără decimal=",", când prețurile au moneda lipită ("24,90 lei") sau când lipsurile sunt marcate cu "-" sau "n/a". În pandas 3, o asemenea coloană are tipul str (în versiunile vechi, object), deci df.dtypes îți arată imediat că nu e numerică.
Valoarea din mesaj e doar prima găsită: după ce o repari, pot apărea altele. Uită-te la toate valorile distincte cu df["pret"].unique().
De ce apare: cauzele frecvente
1Zecimale cu virgulă și puncte la mii
df["pret"] = df["pret"].astype(float) # '1.299,50'df["pret"] = (df["pret"].str.replace(".", "", regex=False)
.str.replace(",", ".", regex=False)
.astype(float))Întâi dispar punctele de mii, apoi virgula devine punct zecimal: '1.299,50' devine '1299.50', pe care float îl înțelege. Ordinea contează.
2Fișierul putea fi citit direct corect
df = pd.read_csv("preturi.csv", sep=";")
df["pret"].astype(float)df = pd.read_csv("preturi.csv", sep=";", thousands=".", decimal=",")
print(df["pret"].dtype) # float64read_csv știe să citească formatul românesc dacă îi spui separatorul zecimal și pe cel de mii, deci nu mai ai nevoie de conversii ulterioare.
3Unitatea lipită de număr
s = pd.Series(["24.90 lei", "12 lei"])
print(s.astype(float))s = pd.Series(["24.90 lei", "12 lei"])
print(s.str.replace(" lei", "", regex=False).astype(float))Textul trebuie să conțină doar numărul. Scoți unitatea cu str.replace și abia apoi convertești.
Repară eroarea, direct în pagină
Coloana pret conține prețuri scrise în format românesc, ca text, iar conversia dă ValueError: could not convert string to float: '1.299,50'. Repară conversia ca să afișeze prețurile ca numere și valoarea totală a coșului, cu două zecimale.
import pandas as pd
df = pd.DataFrame({
"produs": ["Televizor", "Căști", "Cablu HDMI"],
"pret": ["1.299,50", "189,90", "24,00"],
})
df["pret"] = df["pret"].astype(float)
print(df)
print(f"Total: {df['pret'].sum():.2f} lei")produs pret 0 Televizor 1299.5 1 Căști 189.9 2 Cablu HDMI 24.0 Total: 1513.40 lei
Indiciu
Scoate întâi punctul de mii, apoi înlocuiește virgula cu punct, cu str.replace(..., regex=False).
Reparația
import pandas as pd
df = pd.DataFrame({
"produs": ["Televizor", "Căști", "Cablu HDMI"],
"pret": ["1.299,50", "189,90", "24,00"],
})
df["pret"] = (df["pret"].str.replace(".", "", regex=False)
.str.replace(",", ".", regex=False)
.astype(float))
print(df)
print(f"Total: {df['pret'].sum():.2f} lei")De ce merge
Python citește numerele doar cu punct zecimal și fără separator de mii. Primul replace scoate punctul de mii ('1.299,50' devine '1299,50'), al doilea transformă virgula în punct ('1299.50'). Abia acum astype(float) reușește pe toate valorile, iar suma e 1299.50 + 189.90 + 24.00 = 1513.40. regex=False contează: în expresiile regulate, punctul înseamnă „orice caracter”.
Alte forme ale mesajului
ValueError: could not convert string to float: '24,90'ValueError: could not convert string to float: '-'ValueError: could not convert string to float: '12 lei'
Cum o eviți pe viitor
- Citește exporturile românești cu
sep=";", decimal=",", thousands=".". - Marchează lipsurile la citire cu
na_values=["-", "n/a"], ca să devină NaN, nu text. - După citire, verifică
df.dtypes: coloanele de prețuri trebuie să fiefloat64sauint64, nustr. - Când datele sunt foarte murdare, folosește
pd.to_numeric(s, errors="coerce")și apoi verifică ce a devenit NaN.
Întrebări frecvente
De ce în Excel coloana arată ca numere?
Excel afișează numerele după setările regionale ale calculatorului, deci în română vezi 1.299,50. În fișierul CSV ajunge exact acest text, iar pandas, care folosește regulile din engleză, nu îl recunoaște ca număr.
Care e diferența față de float("12,5") din Python simplu?
Eroarea e aceeași, aruncată de aceeași funcție de conversie. Diferența e că în pandas convertești toată coloana deodată, deci trebuie curățate toate valorile, iar metodele .str îți permit să faci asta fără buclă.
Erori înrudite
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. 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. pandas.errors.ParserError: Error tokenizing data. C error: Expected 5 fields in line 4, saw 6 Un rând din CSV are mai multe valori decât antetul, de obicei din cauza unei virgule în interiorul unei valori (o zecimală scrisă cu virgulă sau un text fără ghilimele). Pune valorile cu virgulă între ghilimele sau citește cu separatorul corect (sep=";"). 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.
