解决 TypeError: unsupported operand type(s) for -: ‘NoneType‘ and ‘float‘ 错误

当我们看到出现这个错误，说明这个错误，我们写的程序打算对数值做数学运算，例如加减法，但是数据里面包含 None 或 NaN 值，所以计算会报错。

所以，我们要检查数据中某些值是 None 或 NaN（空值）

方法1：检查并处理空值

# 检查DataFrame中的空值
print(df.isnull().sum())

# 处理空值 - 填充默认值
df['column_name'] = df['column_name'].fillna(0)  # 用0填充
# 或者
df['column_name'] = df['column_name'].fillna(df['column_name'].mean())  # 用平均值填充

# 或者直接删除包含空值的行
df = df.dropna(subset=['column_name'])

1. 检查DataFrame中的空值

看看哪些列和行有空值，省得

print(df.isnull().sum())

2. 把空值替换成默认值或者其他值

df['column_name'] = df['column_name'].fillna(0)  # 用0填充

上面是用0来填充，如果有其他值可以替换那里。

3. 冲动派写法：直接删除包含空值的行

df = df.dropna(subset=['column_name'])

方法2：在运算前添加空值检查

# 方法1：使用条件判断
result = x - y if x is not None and y is not None else None

# 方法2：使用Pandas的矢量操作（更高效）
df['result'] = df['column1'] - df['column2']  # Pandas会自动处理NaN

方法3：使用 NumPy 的安全运算

import numpy as np

# 使用np.subtract并指定out参数处理None
result = np.subtract(array1, array2, out=np.zeros_like(array1), where=(array1!=None)&(array2!=None))