熊猫DataFrame ValueError：无法将字符串转换为float：

Question

对于当前的项目，我计划在包含数字数据的CSV集合上运行scikit-learn随机梯度助推器算法。

当调用脚本的line sgbr.fit(X_train, y_train)时，我收到的ValueError: could not convert string to float:上没有给出无法格式化的各个区域的详细信息。

到目前为止，我尝试过通过pd.to_numeric(df.column.str, errors='coerce')的转换来解决问题，但是由于从熊猫DataFrame过渡到了numpy，导致了后续错误AttributeError: 'numpy.ndarray' object has no attribute 'drop'数组。

有人知道为什么在没有进一步的位置指示的情况下出现ValueError吗？

CSV文件如下所示：

相关代码部分如下所示：

# Load CSV and fill empty cells
Germany = pd.read_csv('./Germany_filtered.csv', index_col=0)
Germany = Germany.fillna("")

# Select relevant dependent variable
X = Germany.drop('Status', axis='columns')
y = Germany['Status']

from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=2)

from sklearn.ensemble import GradientBoostingRegressor

# Instantiate sgbr
sgbr = GradientBoostingRegressor(max_depth=4, n_estimators=200, subsample=0.9,
                                 max_features=0.75, random_state=2)

# Fit sgbr to the training set
sgbr.fit(X_train, y_train)