如何解决numpy.linalg.lstsq报UFuncTypeError类型转换错误？

问题场景 #

我是Python初学者，将numpy导入为py，使用py.linalg.lstsq做线性OLS回归预测RIC次日值时，触发错误：UFuncTypeError: Cannot cast ufunc 'lstsq_n' input 0 from dtype('O') to dtype('float64') with casting rule 'same_kind'，目标是实现Eikon Python API教程13分46秒处的结果。

相关代码 #

# 用滞后数据列构成的矩阵，通过线性OLS回归预测RIC次日值
regs = {}
for ric in rics:
    df = dfs[ric] # 获取当前RIC的数据
    reg = py.linalg.lstsq(df[cols], df[ric], rcond=-1)[0]
    regs[ric] = reg # 存储回归结果

报错堆栈 #

---------------------------------------------------------------------------
UFuncTypeError                            Traceback (most recent call last)
Cell In [214], line 6
      4 for ric in rics:
      5     df = dfs[ric] # 获取当前RIC的数据
----> 6     reg = py.linalg.lstsq(df[cols], df[ric], rcond=-1)[0]

File <__array_function__ internals>:180, in lstsq(*args, **kwargs)

File ~\miniconda3\lib\site-packages\numpy\linalg\linalg.py:2300, in lstsq(a, b, rcond)
   2297 if n_rhs == 0:
   2298     # lapack无法处理n_rhs=0，所以在该轴上分配更大的数组
   2299     b = zeros(b.shape[:-2] + (m, n_rhs + 1), dtype=b.dtype)
-> 2300 x, resids, rank, s = gufunc(a, b, rcond, signature=signature, extobj=extobj)
   2301 if m == 0:
   2302     x[...] = 0

UFuncTypeError: Cannot cast ufunc 'lstsq_n' input 0 from dtype('O') to dtype('float64') with casting rule 'same_kind'

数据样例 #

df[cols]（特征矩阵） #

lag_1   lag_2   lag_3   lag_4   lag_5
Date                    
2022-01-24  2.967   2.989   2.997   2.929   2.919
2022-01-25  2.982   2.967   2.989   2.997   2.929
2022-01-26  2.984   2.982   2.967   2.989   2.997
2022-01-27  2.975   2.984   2.982   2.967   2.989
2022-01-28  3.011   2.975   2.984   2.982   2.967
... ... ... ... ... ...
2022-11-22  3.891   3.842   3.83    3.843   3.868
2022-11-23  3.921   3.891   3.842   3.83    3.843
2022-11-25  3.909   3.921   3.891   3.842   3.83
2022-11-29  3.833   3.909   3.921   3.891   3.842
2022-11-30  3.829   3.833   3.909   3.921   3.891
195 rows × 5 columns

df[ric]（目标变量） #

Date
2022-01-24    2.982
2022-01-25    2.984
2022-01-26    2.975
2022-01-27    3.011
2022-01-28    3.018
              ...  
2022-11-22    3.921
2022-11-23    3.909
2022-11-25    3.833
2022-11-29    3.829
2022-11-30    3.821
Name: MYMK180001=, Length: 195, dtype: Float64

解决方法 #

报错核心原因是df[cols]的数据类型为object（即dtype('O')），而numpy的lstsq要求输入数值型数组（如float64），按以下步骤修复：

1. 强制转换数据类型
   在传入lstsq前，将特征矩阵和目标变量统一转为float64类型，修改代码如下：

   regs = {}
   for ric in rics:
       df = dfs[ric]
       # 转换特征矩阵和目标变量为float64
       X = df[cols].astype('float64')
       y = df[ric].astype('float64')
       reg = py.linalg.lstsq(X, y, rcond=-1)[0]
       regs[ric] = reg
   

2. 清理非数值数据
   如果转换时报错，说明数据中存在字符串、空值等非数值元素，先执行数据清洗：

   # 将非数值转为NaN，再删除含NaN的行
   df[cols] = df[cols].apply(pd.to_numeric, errors='coerce')
   df = df.dropna(subset=cols + [ric])
   

3. 处理缺失值
   若不想删除缺失行，可填充默认值（如均值）：

   df[cols] = df[cols].fillna(df[cols].mean())
   

内容的提问来源于stack exchange，提问作者han api