处理格式不良CSV生成DataFrame时遇TypeError问题求助

问题场景 #

我处理一份格式混乱的CSV做数据分析，导入后的DataFrame结构有问题，于是按以下步骤处理：

• 生成小时级datetime序列，替换原有的日期和小时列
• 删除冗余行、列，重新设置列名
• 将字符串格式的数值转成浮点型，创建新DataFrame df_2
• 把datetime列设为索引，计算流量总和与差值

但操作完成后，调用df_2['DK2_NP']或者df_2.head()都会抛出错误：TypeError: unhashable type: 'numpy.ndarray'，只能用iloc来调用列。

错误原因 #

这个报错的核心是**df_2的列名不是可哈希的字符串/整数类型，而是numpy数组对象**。通常是在重设列名的环节出了问题：比如直接把numpy数组赋值给了df_2.columns，或者从原DataFrame提取列名时没转换成普通列表。numpy数组本身是不可哈希的类型，而DataFrame要求列名必须是可哈希的，所以用字符串索引就会报错。

解决步骤 #

1. 确认列名类型 #

先运行以下代码查看当前列名的类型：

print(type(df_2.columns))
print(df_2.columns)

如果输出显示列名是numpy.ndarray，就需要转换成普通列表。

2. 修复列名类型 #

直接把列名转成列表即可：

df_2.columns = df_2.columns.tolist()

或者手动指定列名列表（替换成你的实际列名）：

df_2.columns = ['datetime', 'DK2_NP', '列名3', '列名4']

3. 排查列名设置环节 #

回顾处理流程中设置列名的代码，比如如果是从原DataFrame的某一行提取列名，要确保转成列表：

# 错误写法：直接赋值numpy数组
df_2.columns = df.iloc[0].values
# 正确写法：转成列表
df_2.columns = df.iloc[0].values.tolist()

4. 重建DataFrame时指定列名 #

如果是通过pd.DataFrame()创建df_2，直接在创建时指定columns参数为字符串列表：

df_2 = pd.DataFrame(
    data=你的处理后数据,
    columns=['datetime', 'DK2_NP', '其他列名']
)

验证修复 #

完成上述操作后，再调用df_2['DK2_NP']或者df_2.head()，应该就能正常运行了。

内容的提问来源于stack exchange，提问作者Tom