将对象转DataFrame时单元格显示值、名称和dtype问题及优化方案

你的问题出在将Series对象而非标量值存入字典，导致最终DataFrame的每个单元格都包含Series的索引、值和类型信息，而非单一数值。当你调用max_val['Price']时，返回的是完整Series，而非单个数值。

修复后的代码 #

import pandas as pd
import numpy as np
from statsmodels.formula.api import ols

upc_modelfit_summary = []
upcs = df['upc'].unique()

cost = 0.50  # 固定常量移至循环外，避免重复定义

for x in upcs:
    df_upc = df[df['upc'] == x]
    max_price = df_upc['arp_np'].max()
    min_price = df_upc['arp_np'].min()
    price_range = np.arange(min_price, max_price, 0.1)
    
    # 拟合回归模型
    model = ols("units_np ~ arp_np", data=df_upc).fit()
    
    # 向量化计算需求与收益，替代内层循环（效率更高）
    quantity = model.params[0] + model.params[1] * price_range
    revenue = (price_range - cost) * quantity
    
    # 创建收益计算结果DataFrame
    profit_df = pd.DataFrame({
        "Price": price_range,
        "Revenue": revenue,
        "Quantity": quantity,
        "UPC": x
    })
    
    # 获取收益最大值对应的行（若存在多个相同最大值，取第一个）
    max_profit_row = profit_df.loc[profit_df['Revenue'] == profit_df['Revenue'].max()].iloc[0]
    
    # 存入标量值而非Series
    upc_modelfit_summary.append({
        'Price': max_profit_row['Price'],
        'Revenue': max_profit_row['Revenue'],
        'Quantity': max_profit_row['Quantity'],
        'UPC': max_profit_row['UPC']
    })

# 生成最终汇总DataFrame并导出
final_summary = pd.DataFrame(upc_modelfit_summary)
final_summary.to_excel('upc_max_profit_summary.xlsx', index=False)

关键改动说明 #

1. 提取标量值：通过.iloc[0]从单行DataFrame中取出每个列的单一数值，替代直接引用列（返回Series）的操作。
2. 向量化计算：利用numpy广播机制替换内层for循环，大幅提升计算效率，尤其适用于较大的价格范围。
3. 代码优化：固定常量外移、变量名规范化，增强代码可读性与维护性。

额外场景处理 #

若存在多个价格对应相同最大收益，可按需调整：

• 保留全部结果：移除.iloc[0]，改用max_profit_rows = profit_df.loc[...]，再通过upc_modelfit_summary.extend(max_profit_rows.to_dict('records'))批量添加。
• 取平均值：max_profit_row = profit_df.loc[...].mean()（需单独处理UPC列，取第一个值即可）。

内容的提问来源于stack exchange，提问作者Ryan McConnell