Estoy llamando a esta línea:
lang_modifiers = [keyw.strip() for keyw in row["language_modifiers"].split("|") if not isinstance(row["language_modifiers"], float)] Esto parece funcionar donde row["language_modifiers"] es una palabra ( atlas method , central ), pero no cuando aparece como nan .
Pensé que my if not isinstance(row["language_modifiers"], float) podría detectar el momento en que las cosas aparecen como nan pero no es el caso.
Antecedentes: row["language_modifiers"] es una celda en un archivo tsv y aparece como nan cuando esa celda estaba vacía en el tsv que se está analizando.
Tiene razón, tales errores son causados principalmente por NaN que representa celdas vacías. Es común filtrar dichos datos, antes de aplicar sus operaciones adicionales, usando este modismo en su marco de datos df:
df_new = df[df['ColumnName'].notnull()] Alternativamente, puede ser más útil usar el método fillna() para imputar (reemplazar) valores null con algo predeterminado. Por ejemplo, todos los null o NaN se pueden reemplazar con el valor promedio de su columna
housing['LotArea'] = housing['LotArea'].fillna(housing.mean()['LotArea'])o se puede reemplazar con un valor como una cadena vacía "" u otro valor predeterminado
housing['GarageCond']=housing['GarageCond'].fillna("")También puede usar df = df.dropna(thresh=n) donde n es la tolerancia. Es decir, requiere n valores no NA para no descartar la fila
Eso sí, este enfoque eliminará la fila
Por ejemplo: si tiene un marco de datos con 5 columnas, df.dropna(thresh=5) eliminaría cualquier fila que no tenga 5 valores válidos o que no sean Na.
En su caso, es posible que solo desee mantener filas válidas; si es así, puede establecer el umbral para el número de columnas que tiene.