Python报错TypeError: cannot concatenate object of type ‘<class ‘numpy.ndarray‘>‘解决方法

目录

错误场景

解决方法


错误场景

使用pandas库的append方法,将numpy.ndarray类型的数据追加到dataframe中的时候报错:

TypeError: cannot concatenate object of type '<class 'numpy.ndarray'>'; only Series and DataFrame objs are valid

出问题的代码简化如下,报错发生在result_df = result_df._append(row_data)这一行。

import pandas as pd

if __name__ == '__main__':

    # 读取指定的excel文件
    df = pd.read_excel(r"D:\Test\src1.xlsm",header=None)
    # 获取第5行的值
    row_data = df.loc[4].values[0:-1]
    # 创建一个空的dataframe
    result_df = pd.DataFrame()
    # 将row_data追加到df中
    result_df = result_df._append(row_data)

pandas的loc方法获取到的row_data是numpy.ndarray类型。

Dataframe中可以追加Dataframe/Series类型,但不支持追加numpy.ndarray类型的数据。

解决方法

将numpy.ndarray先转换成Dataframe类型,再添加到Dataframe中。

添加row_data = pd.DataFrame(row_data)这一行即可。

修改后的完整代码如下。

    # 读取指定的excel文件
    df = pd.read_excel(r"D:\Test\src1.xlsm",header=None)
    # 获取第5行的值
    row_data = df.loc[4].values[0:-1]
    print(type(row_data))
    # 将row_data转换成Dataframe类型
    row_data = pd.DataFrame(row_data)
    print(type(row_data))

    # 创建一个空的dataframe
    result_df = pd.DataFrame()
    # 将row_data追加到df中
    result_df = result_df._append(row_data)

print输出type(row_data),可以看到row_data类型发生了改变:

通过这种方式解决了append追加数据时的问题。

  • 8
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: TypeError: 无法连接类型为“<class'numpy.ndarray'>”的对象;只有系列和数据框对象是有效的。 这个错误通常是因为您正在尝试连接一个NumPy数组,而不是Pandas系列或数据框。请确保您的数据类型正确,并使用正确的Pandas函数进行连接。 ### 回答2: 在使用Python编写代码时,有时会遇到TypeError:cannot concatenate object of type '<class 'numpy.ndarray'>'; only series and dataframe objs are valid的错误。 这个错误通常发生在我们试图将一个numpy数组与另一个pandas dataframe或series一起连接时。 TypeErrorPython中的一种错误类型,表示我们试图执行不兼容的操作,例如当我们将不同类型的数据型进行连接时。 在这种情况下,出现这个错误是因为numpy数组和Pandas dataframe或series之间不可以直接连接和混合使用,这是因为它们具有不同的内部数据类型和结构。 如果你想要将numpy数组与pandas dataframe或series组合使用,我们可以使用pandas中的一些函数来转换numpy数组为pandas dataframe或series对象。例如,使用np.array创建的numpy数组可以使用pd.DataFrame.from_records,pd.DataFrame.from_dict或pd.Series.from_array转换为pandas dataframe或series。 这些函数会将numpy数组转换为pandas dataframe或series对象,并为其分配正确的数据类型和结构,可以更好地用于连接和混合使用。 在编写代码时,我们需要注意变量和数据类型之间的差异,并使用正确的函数转换它们,以避免出现TypeError:cannot concatenate object of type '<class 'numpy.ndarray'>'; only series and dataframe objs are valid错误。 ### 回答3: 该错误信息指出了在代码中尝试将Numpy数组与Pandas DataFrame或Series对象进行拼接的不合法操作。 在数据科学和机器学习领域,NumpyPandas是两个非常常用的Python库。Numpy用于多维数组和矩阵运算,而Pandas则用于数据处理和分析。 在进行数据处理时,有时我们需要将不同的数组或数据框连接在一起以进行后续分析。可能会遇到以下代码: import numpy as np import pandas as pd a = np.array([1, 2, 3]) b = np.array([4, 5, 6]) c = np.concatenate((a, b)) df1 = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]}) df2 = pd.DataFrame({'A': [7, 8], 'B': [9, 10]}) df3 = pd.concat([df1, df2]) 在这个例子中,我们尝试将两个Numpy数组和两个数据框连接起来。然而,其中一个连接尝试引发了TypeError错误,因为不能对数组进行连接操作。 这个问题可以通过将Numpy数组转换为Pandas Series或DataFrame解决。例如,可以使用Pandas的Series来代替 Numpy数组,如下所示: a = pd.Series([1, 2, 3]) b = pd.Series([4, 5, 6]) c = pd.concat([a, b]) 注意,这里使用了Pandasconcat函数连接Series对象,并返回一个Series对象。同样地,如果要连接Numpy数组,可以将其转换为Pandas DataFrame,如下所示: a = np.array([1, 2, 3]) b = np.array([4, 5, 6]) df = pd.DataFrame({'A': a, 'B': b}) 要点:TypeError错误指出了将Numpy数组与Pandas DataFrame或Series对象进行拼接的不合法操作,可以通过将Numpy数组转换为Pandas Series或DataFrame对象来解决该问题。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值