使用np.log处理Pandas转换的NumPy数组时出现AttributeError错误

这个错误的核心原因是你从DataFrame转出来的NumPy数组dtype为object类型，里面存储的是Python原生float对象，而非NumPy自带的浮点类型。调用np.log(flag)时，NumPy会尝试对数组内每个元素调用.log()方法，但Python原生float根本没有这个属性，因此触发报错。

排查验证 #

先打印数组的数据类型确认问题：

print(flag.dtype)

如果输出是object，就说明确实是类型不匹配导致的问题。

解决方法 #

方法1：转换数组为NumPy浮点类型 #

在调用np.log前，将数组转为NumPy的float64类型：

flag = df.iloc[0:12,7].to_numpy()
flag = flag.astype(np.float64)
print(np.log(flag))

方法2：转换时直接指定dtype #

也可以在to_numpy阶段直接指定数据类型，一步完成转换：

flag = df.iloc[0:12,7].to_numpy(dtype=np.float64)
print(np.log(flag))

方法3：直接对Series调用np.log #

其实无需转成NumPy数组，直接对Pandas Series调用np.log即可，Pandas会自动处理类型兼容问题：

print(np.log(df.iloc[0:12,7]))

你手动创建的数组能正常运行，是因为np.array([1.35,2.49,3.687])默认生成float64 dtype的NumPy数组，元素都是NumPy浮点类型，np.log可以直接对整个数组做向量化运算，不会去调用单个元素的.log()方法。

内容的提问来源于stack exchange，提问作者Jesh Kundem