TypeError:不能将序列乘以“float"类型的非整数(python 2.7)

问题描述

我有一个数据帧 t_unit，它是 pd.read_csv() 函数的结果.

日期时间 B18_LR_T B18_B1_T2016 年 3 月 24 日 09:00 21.274 21.17924/03/2016 10:00 19.987 19.86824/03/2016 11:00 21.632 21.41724/03/2016 12:00 26.285 24.7792016 年 3 月 24 日 13:00 26.897 24.779

我正在重新采样数据框以使用代码计算第 5 个和第 05 个百分位数:

keys_actual = list(t_unit.columns.values)对于keys_actual中的键:ts_wk = t_unit[key].resample('W-MON')ts_wk_05p = ts_wk.apply(lambda x: x.quantile(0.05)).round(decimals=1).rename(key+'_05p', inplace=True)ts_wk_95p = ts_wk.apply(lambda x: x.quantile(0.95)).round(decimals=1).rename(key+'_95p', inplace=True)

一切正常，但是当我通过 pd.concat 向我的数据框添加一列时，进入:

日期时间 B18_LR_T B18_B1_T ext_T2016 年 3 月 24 日 09:00 21.274 21.179 6.92016 年 3 月 24 日 10:00 19.987 19.868 7.52016 年 3 月 24 日 11:00 21.632 21.417 9.12016 年 3 月 24 日 12:00 26.285 24.779 9.92016 年 3 月 24 日 13:00 26.897 24.779 9.2

<块引用>

ts_wk_05p = ts_wk.apply(lambda x: x.quantile(0.05)).round(decimals=1).rename(key+'_05p', inplace=True)

TypeError: 不能将序列乘以float"类型的非整数

你知道为什么吗?

解决方案

有些列不是数字的问题.您可以查看 dtypes:

打印 (t_unit.dtypes)B18_LR_T 浮点数64B18_B1_T 浮点数64ext_T 对象数据类型:对象

然后尝试先通过 转换为数字astype:

t_unit.ext_T = t_unit.ext_T.astype(float)

如果:

<块引用>

ValueError: 无法将字符串转换为浮点数

然后使用 to_numeric 带有参数errors='coerce' 用于将坏数据转换为NaN:

t_unit.ext_T = pd.to_numeric(t_unit.ext_T, errors='coerce')

所有代码:

#模拟字符串列t_unit.ext_T = t_unit.ext_T.astype(str)打印(t_unit.dtypes)B18_LR_T 浮点数64B18_B1_T 浮点数64ext_T 对象数据类型:对象#转换为浮动t_unit.ext_T = t_unit.ext_T.astype(float)打印(t_unit)L = []对于 t_unit.columns 中的键:ts_wk = t_unit[key].resample('W-MON')#remove 就地=真ts_wk_05p = ts_wk.apply(lambda x: x.quantile(0.05)).round(decimals=1).rename(key+'_05p')ts_wk_95p = ts_wk.apply(lambda x: x.quantile(0.95)).round(decimals=1).rename(key+'_95p')L.append(ts_wk_05p)L.append(ts_wk_95p)打印(pd.concat(L，轴=1))B18_LR_T_05p B18_LR_T_95p B18_B1_T_05p B18_B1_T_95p ext_T_05p 约会时间2016-03-28 20.2 26.8 20.1 24.8 7.0ext_T_95p约会时间2016-03-28 9.8

I have a dataframe t_unit, which is the result of a pd.read_csv() function.

datetime    B18_LR_T    B18_B1_T
24/03/2016 09:00    21.274  21.179
24/03/2016 10:00    19.987  19.868
24/03/2016 11:00    21.632  21.417
24/03/2016 12:00    26.285  24.779
24/03/2016 13:00    26.897  24.779

I am resampling the dataframe to calculate the 5th and 05th percentiles with the code:

keys_actual = list(t_unit.columns.values)

for key in keys_actual:
    ts_wk = t_unit[key].resample('W-MON')
    ts_wk_05p = ts_wk.apply(lambda x: x.quantile(0.05)).round(decimals=1).rename(key+'_05p', inplace=True)
    ts_wk_95p = ts_wk.apply(lambda x: x.quantile(0.95)).round(decimals=1).rename(key+'_95p', inplace=True) 

All works fine, but when I add a column to my dataframe, by means of pd.concat, into:

datetime    B18_LR_T    B18_B1_T    ext_T
24/03/2016 09:00    21.274  21.179  6.9
24/03/2016 10:00    19.987  19.868  7.5
24/03/2016 11:00    21.632  21.417  9.1
24/03/2016 12:00    26.285  24.779  9.9
24/03/2016 13:00    26.897  24.779  9.2

ts_wk_05p = ts_wk.apply(lambda x: x.quantile(0.05)).round(decimals=1).rename(key+'_05p', inplace=True)

TypeError: can't multiply sequence by non-int of type 'float'

Do you have any idea why?

解决方案

There is problem some column is not numeric. You can check dtypes:

print (t_unit.dtypes)
B18_LR_T    float64
B18_B1_T    float64
ext_T        object
dtype: object

Then try convert to numeric first by astype:

t_unit.ext_T = t_unit.ext_T.astype(float)

If:

ValueError: could not convert string to float

then use to_numeric with parameter errors='coerce' for convert bad data to NaN:

t_unit.ext_T = pd.to_numeric(t_unit.ext_T, errors='coerce')

All code:

#simulate string column
t_unit.ext_T = t_unit.ext_T.astype(str)
print (t_unit.dtypes)
B18_LR_T    float64
B18_B1_T    float64
ext_T        object
dtype: object

#convert to float
t_unit.ext_T = t_unit.ext_T.astype(float)

print (t_unit)

L = []
for key in t_unit.columns:
    ts_wk = t_unit[key].resample('W-MON')
    #remove inplace=True
    ts_wk_05p = ts_wk.apply(lambda x: x.quantile(0.05)).round(decimals=1).rename(key+'_05p')
    ts_wk_95p = ts_wk.apply(lambda x: x.quantile(0.95)).round(decimals=1).rename(key+'_95p') 
    L.append(ts_wk_05p)
    L.append(ts_wk_95p)


print (pd.concat(L, axis=1))
            B18_LR_T_05p  B18_LR_T_95p  B18_B1_T_05p  B18_B1_T_95p  ext_T_05p  
datetime                                                                        
2016-03-28          20.2          26.8          20.1          24.8        7.0   

            ext_T_95p  
datetime               
2016-03-28        9.8