Bỏ qua đến nội dung chính
Mục lục

could not convert string to float trong pandas: cách sửa

AIDev Team · duyệt: Nguyễn Việt Chung

Bài 5/13 · Chương 10

Giải nghĩa lỗi và cảnh báo

  • 6 phút
  • Cơ bản
  • Python 3.14
  • Cập nhật

Thông báo ValueError: could not convert string to float: '195.000đ' trong pandas nghĩa là astype(float) gặp một ô chữ mà Python không đọc được thành số, và chuỗi trong nháy chính là ô đầu tiên gây lỗi. Cột tiền xuất từ phần mềm bán hàng hay có dấu chấm ngăn hàng nghìn và chữ "đ", nên phải bỏ các ký tự đó trước khi đổi kiểu.

Cần biết trước: đổi kiểu bằng astype, pd.to_numeric() và phương thức chuỗi .str.

Bảng tra nhanh: chuỗi trong thông báo và cách sửa

Python gọi lỗi này là ValueError: kiểu là chuỗi, đúng thứ float() nhận, nhưng nội dung chuỗi không phải một con số.

Chuỗi trong thông báo

Nguyên nhân

Cách sửa

'195.000đ'

dấu chấm hàng nghìn, chữ đ

str.replace(".", ""), str.replace("đ", "")

'12,5'

dấu phẩy thập phân kiểu Việt Nam

str.replace(",", ".") rồi mới đổi

'liên hệ', '98O000'

ô gõ sai, chữ O thay số 0

pd.to_numeric(..., errors="coerce") rồi xem các ô NaN

Cột don_gia của file đơn hàng thô được đọc thành chuỗi vì có ô lẫn ký tự tiền:

python
import pandas as pd

don = pd.read_csv("don_hang_tho.csv")
print(don["don_gia"].dtype)
print(don["don_gia"].head(6).to_list())

KẾT QUẢ

str
['78000', '25000', '18000', '60000', '78000', '195.000đ']

Năm ô đầu chỉ có chữ số, ô thứ sáu có dấu chấm và chữ "đ". Một ô như vậy đủ để cả cột thành kiểu str.

astype(float) dừng ở ô đầu tiên không phải số

astype(float) đổi từng ô từ trên xuống và dừng ngay ô đầu không đọc được:

python
import pandas as pd

don = pd.read_csv("don_hang_tho.csv")
don["don_gia"].astype(float)

Dòng cuối của thông báo lỗi:

text
ValueError: could not convert string to float: '195.000đ'

Thông báo chỉ kể một ô; sửa xong ô này, cột có thể còn những ô hỏng kiểu khác. Đổi sang astype("int64") cũng gặp đúng ô đó, chỉ là lời báo đổi thành invalid literal for int() with base 10.

Sửa bằng cách bỏ các ký tự không phải số rồi mới đổi. str.replace() của pandas 3 thay đúng chuỗi bạn đưa vào, dấu chấm là dấu chấm:

python
import pandas as pd

don = pd.read_csv("don_hang_tho.csv")
so = (don["don_gia"].str.replace(".", "")
      .str.replace("đ", ""))
don["gia"] = pd.to_numeric(so)
print(don["gia"].head(6).to_list())
print(don["gia"].isna().sum())

KẾT QUẢ

[78000, 25000, 18000, 60000, 78000, 195000]
0

Cả cột đã thành số, không ô nào thiếu. Đổi .str.replace("đ", "") thành .str.replace("d", "") rồi chạy lại: to_numeric() dừng và in Unable to parse string "195000đ" at position 5, vì chữ "đ" có dấu khác chữ "d".

Dấu phẩy thập phân

File số liệu gõ theo thói quen Việt Nam ghi 12,5 cho mười hai phẩy năm. Python chỉ hiểu dấu chấm là dấu thập phân:

python
import pandas as pd

can = pd.Series(["12,5", "3,75", "20"])
can.astype(float)

Dòng cuối của thông báo lỗi:

text
ValueError: could not convert string to float: '12,5'

Đổi dấu phẩy thành dấu chấm trước, rồi mới astype(float):

python
import pandas as pd

can = pd.Series(["12,5", "3,75", "20"])
print(can.str.replace(",", ".").astype(float).to_list())

KẾT QUẢ

[12.5, 3.75, 20.0]

Khi đọc bằng read_csv(), tham số decimal="," làm việc này ngay lúc đọc file.

Ô gõ sai: to_numeric với errors="coerce"

pd.to_numeric() mặc định cũng dừng ở ô đầu không đọc được, nhưng thông báo còn kể vị trí của ô:

errors="coerce" không làm mất ô hỏng mà đánh dấu nó. Lọc các ô NaN mới sinh ra là thấy đủ mọi chuỗi gây lỗi một lần, thay vì sửa từng ô theo thông báo:

python
import pandas as pd

gia = pd.Series(["120000", "98O000", "45000", "liên hệ"])
so = pd.to_numeric(gia, errors="coerce")
print(so.to_list())
print(gia[so.isna()].to_list())

KẾT QUẢ

[120000.0, nan, 45000.0, nan]
['98O000', 'liên hệ']

Kiểm tra nhanh

  1. Sau import pandas as pd và s = pd.Series(["1.250.000đ"]), s.astype(float) báo lỗi gì?

    • Báo lỗi ValueError
    • Báo lỗi TypeError
    • Báo lỗi KeyError
  2. Sau import pandas as pd và s = pd.Series(["12,5", "8"]), lệnh print(s.str.replace(",", ".").astype(float).to_list()) in ra gì?

    • [12.5, 8.0]
    • [125.0, 8.0]
    • [12.5, 8]
  3. Cột gia có vài nghìn ô, đa số đọc được, một số ô gõ sai không rõ kiểu. Cách nào cho bạn thấy đủ các ô hỏng?

    • Chạy gia.astype(float) nhiều lần, mỗi lần sửa ô trong thông báo
    • so = pd.to_numeric(gia, errors="coerce") rồi in gia[so.isna()]
    • Thêm regex=True khi gọi str.replace()
Đúng hết lần đầu +15 XP

Bài tập

Tìm các ô cân nặng gõ hỏng

Cột can_nang của phiếu nhập kho được gõ tay, mỗi ô là số ki-lô-gam dạng chữ như "12.5" hay "8". Có ô bỏ trống (ô thiếu, hoặc chuỗi rỗng ""), có ô gõ hỏng như "3,25" hay "mười". Viết thân hàm o_hong(can) nhận một Series chuỗi: trả về nhãn index của các ô không trống mà pd.to_numeric() không đọc được thành số, theo thứ tự trong cột. Ô trống không tính là ô hỏng.

Ví dụ: với pd.Series(["12.5", "8", "", "3,25", "mười", None, "7"]) hàm trả [3, 4]. Hàm không sửa Series can của nơi gọi.

Trả về: nhãn index của các ô hỏng, một list.

python
import pandas as pd

def o_hong(can):
    pass  # Viết thân hàm thay cho dòng này

Tóm tắt

  • Chuỗi trong thông báo là ô đầu tiên astype(float) không đọc được; sửa xong có thể còn ô khác.

  • Cột tiền như 195.000đ: bỏ dấu chấm và chữ đ bằng str.replace(), rồi đổi kiểu.

  • Dấu phẩy thập phân 12,5: đổi thành dấu chấm, hay đọc file với decimal=",".

  • pd.to_numeric(..., errors="coerce") đổi ô hỏng thành NaN; in s[so.isna()] để thấy đủ các ô đó.

  • regex=True với dấu chấm xóa cả chuỗi, vì dấu chấm khớp mọi ký tự.

Câu hỏi thường gặp

Vì sao read_csv đọc cột số thành chữ?

Chỉ cần một ô trong cột có ký tự không phải số, như chữ "đ" hay "liên hệ", là cả cột thành kiểu str. Xem kiểu từng cột bằng df.dtypes như ở bài đổi kiểu bằng astype, rồi tìm các ô lạ bằng errors="coerce".

Dùng astype(float) hay pd.to_numeric() để đổi cột?

astype(float) hợp với cột đã sạch, dừng ngay khi có ô hỏng. pd.to_numeric() cho chọn errors="coerce" để chạy hết cột và đánh dấu ô hỏng, nên hợp với dữ liệu thô. Bài pd.to_numeric() so sánh kỹ hơn.

Lỗi could not convert string to float: '' là gì?

Đó là một ô chuỗi rỗng, thường do file có ô để trống được đọc thành chuỗi, hay do str.replace() xóa hết ký tự. pd.to_numeric(..., errors="coerce") đổi ô rỗng thành NaN.

Có cách nào bỏ mọi ký tự không phải số trong một lần?

Có: str.replace(r"\D", "", regex=True) xóa mọi ký tự không phải chữ số, như ở bài phương thức chuỗi .str. Cách này cũng xóa dấu thập phân và dấu trừ, nên chỉ dùng cho số nguyên dương như tiền đồng.

Chủ đề

could not convert string to float pandas

Dữ liệu của bài

Bài này có hữu ích?

Hỏi đáp

Đang tải câu hỏi…

Tham vấn chuyên môn

Nguyễn Việt Chung

Nhà sáng lập AIDev và VietPlatform · Thạc sĩ AI MSE

  • Tốt nghiệp thủ khoa xuất sắc Thạc sĩ AI MSE.
  • Đồng sáng lập, CTO E-University, SVOnline: số hóa 10+ đại học, 40.000+ sinh viên.
  • Xây hệ thống AI cho doanh nghiệp tại VietPlatform.
Biên soạn: AIDev Team · Rà soát · Quy trình biên tập