调整员工数量分组阈值时触发TypeError: unhashable type: 'Series'求助

错误根源 #

你在合并分组的代码里犯了变量名笔误：前面操作的DataFrame是dfff，但分组代码里写成了df。这导致df['employee_count']被识别为无法哈希的Series对象，触发了TypeError: unhashable type: 'Series'错误。

修正后的代码 #

保留你正确的删除未知记录代码，修正分组部分的变量名：

# 删除unknown记录（这段代码没问题）
employee_count_unknown = dfff[(dfff['employee_count'] == 'unknown')].index
dfff.drop(employee_count_unknown, inplace=True)

# 修正变量名后的分组合并代码
dfff.loc[dfff['employee_count'].isin(["251-500", "501-1000"]), "employee_count"] = "251-1000"
dfff.loc[dfff['employee_count'].isin(["1001-5000", "5001-10000", "10000+"]), "employee_count"] = "1001+"

更简洁的替代方案 #

用replace方法可以更清晰地完成分组映射，代码可读性更高：

# 定义分组映射规则
group_map = {
    "251-500": "251-1000",
    "501-1000": "251-1000",
    "1001-5000": "1001+",
    "5001-10000": "1001+",
    "10000+": "1001+"
}

# 应用映射
dfff['employee_count'] = dfff['employee_count'].replace(group_map)

验证结果 #

执行完代码后，运行以下命令查看分组是否正确：

print(dfff["employee_count"].value_counts())

预期输出：

employee_count
1-10          56091
11-50         55892
51-100        14377
101-250       12217
251-1000      10571
1001+          7383
Name: count, dtype: int64

内容的提问来源于stack exchange，提问作者Rebeka