分组聚合YouTube数据时遇TypeError: numpy.ndarray不可哈希问题求助

错误根源 #

你用np.where创建的body_focus或type_of_workout列，底层可能是numpy数组类型，且数组中存在不可哈希的元素（比如嵌套数组），或者列的类型未被正确转为pandas可识别的可哈希类型（如category、str），导致groupby无法对其进行分组操作。另外，你的排序方法sort()在新版pandas中已被弃用，也可能引发兼容问题。

修复步骤 #

1. 确保分组列是可哈希类型
   重新创建列时，将np.where的结果转为pandas的Series或直接指定可哈希的 dtype：

   # 示例：将body_focus转为category类型（适合分类变量）
   videos_df['body_focus'] = pd.Series(np.where(你的条件表达式), dtype='category')
   # 或转为字符串类型（通用方案）
   videos_df['body_focus'] = np.where(你的条件表达式).astype(str)
   # type_of_workout列做同样处理
   videos_df['type_of_workout'] = pd.Series(np.where(你的条件表达式), dtype='category')
   

2. 修正聚合与排序代码
   替换弃用的sort()为sort_values()，同时确保分组列和数值列类型正确：

   workout_df = videos_df[['Year','body_focus','type_of_workout','viewCount','commentCount','likeCount']]
   # 额外校验：确保Year是整数类型，数值列是数值型
   workout_df['Year'] = workout_df['Year'].astype(int)
   workout_df[['viewCount','commentCount','likeCount']] = workout_df[['viewCount','commentCount','likeCount']].astype(int)
   
   # 执行分组聚合并排序
   aggregated_result = workout_df.groupby(by=['Year','body_focus'])[['viewCount','commentCount','likeCount']].sum().sort_values(by='Year', ascending=True)
   

验证方法 #

可以先检查列的元素类型，确认没有嵌套数组：

# 检查body_focus列的元素类型
print(workout_df['body_focus'].apply(type).unique())

如果输出中包含numpy.ndarray，说明存在嵌套数组，需要进一步清洗数据（比如提取标量值）。

内容的提问来源于stack exchange，提问作者Olga Klishchuk