使用gumbel_r.fit()报错‘float’ object has no attribute ‘sqrt’求解决

你尝试用scipy.stats.gumbel_r的fit()和ppf()方法处理多组数据，但运行时出现上述错误，原代码如下：

原数据读取代码 #

contoh1 = pd.read_excel('data.xlsx',header=None,sheet_name='Sheet7')
dn=contoh1.columns
y1 =contoh1[dn[1]][37:43]
y2 =contoh1[dn[2]][21:43]
y3 =contoh1[dn[3]][21:43]
y4 =contoh1[dn[4]][1:43]
y5 =contoh1[dn[5]][22:44]
gmb=[y1,y2,y3,y4,y5]

原循环处理代码 #

ch_res={}
parameter_9={}
Rx_9={}
Fx_9 = 0.5

for i in range (len(gmb)):
     ch_res[i] = np.array(gmb,dtype=object)
     parameter_9[i]= gumbel_r.fit(ch_res[i])
     Rx_9[i]= gumbel_r.ppf(Fx_9,*parameter_9[i])

错误原因 #

循环中的ch_res[i] = np.array(gmb,dtype=object)是核心问题：

1. 你把整个gmb列表（包含所有5组数据）转成了object类型的数组，而非当前循环对应的单组数据gmb[i]
2. gmb中的元素是pandas Series，直接转object数组会导致gumbel_r.fit()无法正确解析数据类型，内部计算时触发类型错误

修正后的代码 #

优化的数据读取部分（可选，简化重复代码）

import pandas as pd
import numpy as np
from scipy.stats import gumbel_r

contoh1 = pd.read_excel('data.xlsx', header=None, sheet_name='Sheet7')
# 用iloc直接按行、列索引切片，写法更清晰规范
gmb = [
    contoh1.iloc[37:43, 1],   # 对应原y1：第2列（索引1），行37-42
    contoh1.iloc[21:43, 2],   # 对应原y2：第3列（索引2），行21-42
    contoh1.iloc[21:43, 3],   # 对应原y3：第4列（索引3），行21-42
    contoh1.iloc[1:43, 4],    # 对应原y4：第5列（索引4），行1-42
    contoh1.iloc[22:44, 5]    # 对应原y5：第6列（索引5），行22-43
]

修正后的循环处理代码

ch_res = {}
parameter_9 = {}
Rx_9 = {}
Fx_9 = 0.5

for i in range(len(gmb)):
    # 将当前组的Series转为浮点型numpy数组，确保fit方法能正确处理
    ch_res[i] = gmb[i].to_numpy(dtype=np.float64)
    # 拟合Gumbel分布参数
    parameter_9[i] = gumbel_r.fit(ch_res[i])
    # 计算对应分位数
    Rx_9[i] = gumbel_r.ppf(Fx_9, *parameter_9[i])

关键修正点 #

• 循环中仅处理当前索引的单组数据gmb[i]，而非整个gmb列表
• 使用to_numpy(dtype=np.float64)明确转换数据类型，避免object数组导致的解析错误
• 用iloc替代原有的列索引+行切片写法，更符合pandas的标准用法

内容的提问来源于stack exchange，提问作者iyya