【Python谜之BUG论】：5.1更新：groupby()求平均报错，近来最奇怪的bug！Jupyter不显示图片、subplots排版不了、read_csv invalid argument……

前言：题目仿张仲景《伤寒杂病论》。作者骨骼清奇，运行代码时总能遇到些上网不能一下子搜出来解决方法的bug，于是写下这篇笔记，以娱乐各位。
本文持续更新，以后会遇到什么写什么，之前遇到的一些都忘掉了，实在可惜！
//原标题：JupyterNotebook不显示图片、subplots排版不了、read_csv invalid argument……

1. 添加plt.figure()后Jupyter仍不显示图片、plt.subplots()不能把图片装进去，写了两个plot却合并不了

一个甜点：
pip install 在jupyter上不可用的原因：应该是!pip，参考书写在目录之前就没看到……
这一小节同样属于操作类问题，出现在jupyter新使用者身上，现只展示使用plt.subplots()的情况：

代码：
fig,(ax1,ax2)=plt.subplots(1,2)
ax1.plot(x,y1,marker='o',color='b')
显示：
[<matplotlib.lines.Line2D at 0x15ed20a0f10>] 

"at0x"之后的就是错误原因，不同的字符串对应不同的原因，现在我可知道了这是“白板”的意思……
这个原因其实很乌龙，属于都知道，但不提真不会发现的问题：jupyter是一个单元格一个单元格运行
本人实际的操作：

相当于在shell里一行一个回车键，代码都“身首异处”了怎么可能运行得出来呢？以往在python小白本里是整体运行，就没注意到这个问题。

一个单元格运行一组代码：

#画一条折线
plt.figure()
plt.plot(x,y1,label='match',marker='o',color='b')
plt.plot(x,y2,label='service',marker='o',color='y')
plt.xlabel('x')
#【相当重要！！】【一定要一起运行，不然不视为一张图】
plt.legend() #贴上图例

结果：

2. 非encoding、engine能救read_csv() invalid argument问题

直接输入：
dta = pd.read_csv('D:\R\R\data\taobao_data.csv')
报错：
OSError: [Errno 22] Invalid argument: 'D:\\R\\R\\data\taobao_data.csv'

设置encoding=“gbk"等都不行；
把”“改成”\“”/“避免歧义也不行
why？
恶毒的windows为了强制路径从左向右显示加入了”\u202a"字符，人类看不出来，但python读得到，所以会报错。【不想看原因可以直接跳最后一篇参考文章】
原因：\u202a 神奇的控制字符
注意这篇文章中的“尝试三”：惊！\u202a错误，百分之九十都不知道的隐藏在文件路径里的惊天秘密！（干货收藏）
简单解决办法：解决python中出现的不可见字符问题，OSError: [Errno 22] Invalid argument: ‘\u202a**.csv‘
这篇文末最后的代码import os，作者实际运行中发现os函数可以不用，写成这样就可以解决问题了：

csvfilename = r'D:\R\R\data\taobao_data.csv'
csvfilename = csvfilename.strip('\u202a')#除去不可见字符
dta = pd.read_csv(csvfilename, encoding = 'gbk') #encoding不可去除

3.groupby(var).mean() 一直显示类型错误，你想不到的解决方式！

本人分组求某个变量的平均值时，一般写成这样：

data.groupby('分组变量').mean()[‘目标列’]

之前运行一直没问题：

但是今天我再用这个命令，就疯狂报错：

agg function failed [how->mean,dtype->object]

我和通义千问讨论许久，

‘检查列表中可能的非数值’，

nom = data['satisfaction_level'].apply(lambda x: not isinstance(x, (int, float)))
a=0
for i in nom:
    if i == False:
        a+=1
print(a)
输出结果：
14999 全部通过检验

‘强制变成数值astype’，同样报错
why？
why？
没办法，也许是bot不太聪明，去网上搜，虽然没搜到错误，但是，看到了另一种写法！！

data.groupby('分组变量')[‘目标列’].mean()

于是我试了试这种写法，程序成功运行！

那么，为什么之前那种写法换了个数据集就不行了呢？
答案在于[]索引顺！序！
将[]置于最后，要求mean对每一列都进行运算，但这其中可能包括非数值列，其实错误报告中有提示，只是不容易理解它的意思：

这其中提到的变量名，根本就不属于目标列

由此，还有另一个解决方法，加上numeric_only=True：

data.groupby('salary').mean(numeric_only=True)['satisfaction_level']

但显然，交换次序就能解决问题最好。

之前为什么没发现？
因为参考书和我用的数据集恰好是全数值列表……当然没问题。
可恶老登！