使用AWS Amazon Forecast时遇pd.concat类型错误求助

错误原因 #

你的代码触发TypeError的核心问题：

• pd.concat()的作用是合并多个Series或DataFrame对象，但你直接传入了包含datetime对象和单个数值的字典，不符合参数要求。
• 每次循环都直接用pd.concat的结果覆盖results_df，逻辑上也不是在追加数据，而是每次都替换成新的错误对象。

修复后的代码 #

import pandas as pd
import dateutil.parser

# 初始化空列表存储所有数据行
data_rows = []

# 处理实际观测数据
for index, row in actuals.iterrows():
    clean_timestamp = dateutil.parser.parse(row['timestamp'])
    data_rows.append({
        'timestamp': clean_timestamp,
        'value': row['target_value'],
        'source': 'actual'
    })

# 处理P10预测数据
for index, row in forecasts_p10_df.iterrows():
    clean_timestamp = dateutil.parser.parse(row['Timestamp'])
    data_rows.append({
        'timestamp': clean_timestamp,
        'value': row['Value'],
        'source': 'p10'
    })

# 处理P50预测数据
for index, row in forecasts_p50_df.iterrows():
    clean_timestamp = dateutil.parser.parse(row['Timestamp'])
    data_rows.append({
        'timestamp': clean_timestamp,
        'value': row['Value'],
        'source': 'p50'
    })

# 处理P90预测数据
for index, row in forecasts_p90_df.iterrows():
    clean_timestamp = dateutil.parser.parse(row['Timestamp'])
    data_rows.append({
        'timestamp': clean_timestamp,
        'value': row['Value'],
        'source': 'p90'
    })

# 一次性生成完整的DataFrame
results_df = pd.DataFrame(data_rows)

# 执行透视并绘图
pivot_df = results_df.pivot(columns='source', values='value', index="timestamp")
pivot_df.plot(figsize=(15, 7))

关键改进点 #

1. 先用列表收集所有单条数据的字典，最后一次性生成DataFrame，比循环中反复调用pd.concat效率更高，也符合pandas的最佳实践。
2. 彻底避免了将单个非Series/DataFrame对象传入pd.concat的错误，确保数据构造逻辑正确。

内容的提问来源于stack exchange，提问作者aryanorpe