自定义平方和函数调用报错求助：pandas提示无可聚合数值类型

问题根源 #

• 现有sum_of_squares函数逻辑错误：当前函数接收整数n计算1到n的平方和，但rolling.apply会把每个窗口的Series数据传入函数，而非整数参数，导致函数无法处理窗口内的实际数据。
• 数据类型不匹配：df2的列可能不是数值类型（比如object），pandas无法对非数值型数据执行聚合操作，触发No numeric types to aggregate报错。

分步解决方案 #

1. 修正平方和函数 #

修改函数，使其接收窗口内的Series，计算每个元素的平方和：

def sum_of_squares(window_series):
    return (window_series ** 2).sum()

2. 确保数据为数值类型 #

先检查数据类型：

print(df2.dtypes)

如果列是object类型，转换为浮点型：

df2 = df2.astype(float)

若存在异常值（比如非数字字符串），用pd.to_numeric处理：

df2['ACCX'] = pd.to_numeric(df2['ACCX'], errors='coerce')
df2['ACCY'] = pd.to_numeric(df2['ACCY'], errors='coerce')
df2['ACCZ'] = pd.to_numeric(df2['ACCZ'], errors='coerce')
# 可选：删除转换失败产生的NaN行
df2 = df2.dropna()

3. 执行滚动窗口计算 #

完成上述两步后，重新运行代码：

a_energy = df2.rolling(170, step=170).apply(sum_of_squares)

额外优化（推荐） #

如果不需要自定义函数，直接用pandas内置方法组合，效率更高：

a_energy = df2.pow(2).rolling(170, step=170).sum()

这种方式避免了apply的性能开销，适合大数据量场景。

内容的提问来源于stack exchange，提问作者HalaM