Pandas合并Series为DataFrame时遇TypeError(float与str运算)求助

错误原因 #

当你使用np.array(aud_usd_lst)将包含字符串（日期）和浮点数的元组列表转换为numpy数组时，numpy会将所有元素统一为字符串类型。这导致你的aud_usd_series和eur_aud_series中的汇率值实际是字符串，而非浮点数。后续pandas在处理这些Series时，若涉及数值运算（比如合并时的内部对齐逻辑），就会触发字符串与浮点数无法运算的类型错误。

修复后的代码 #

方法1：直接拆分列表构造Series（推荐） #

不需要借助numpy，直接从列表中提取索引和数值：

import pandas as pd
import numpy as np

aud_usd_lst = [
    ('2020-09-08', 0.7280),
    ('2020-09-09', 0.7209),
    ('2020-09-11', 0.7263),
    ('2020-09-14', 0.7281),
    ('2020-09-15', 0.7285),
    ]

eur_aud_lst = [
    ('2020-09-08',  1.6232),
    ('2020-09-09',  1.6321),
    ('2020-09-10',  1.6221),
    ('2020-09-11',  1.6282),
    ('2020-09-15',  1.6288),
    ]

# 拆分日期和数值，直接构造Series
aud_usd_series = pd.Series([x[1] for x in aud_usd_lst], index=[x[0] for x in aud_usd_lst])
eur_aud_series = pd.Series([x[1] for x in eur_aud_lst], index=[x[0] for x in eur_aud_lst])

# 合并为DataFrame
df = pd.DataFrame({'AUD/USD': aud_usd_series, 'EUR/AUD': eur_aud_series})
print(df)

方法2：转换numpy数组的数值类型为float #

如果你坚持用numpy，可以手动将数值列转换为浮点数：

import pandas as pd
import numpy as np

aud_usd_lst = [
    ('2020-09-08', 0.7280),
    ('2020-09-09', 0.7209),
    ('2020-09-11', 0.7263),
    ('2020-09-14', 0.7281),
    ('2020-09-15', 0.7285),
    ]

eur_aud_lst = [
    ('2020-09-08',  1.6232),
    ('2020-09-09',  1.6321),
    ('2020-09-10',  1.6221),
    ('2020-09-11',  1.6282),
    ('2020-09-15',  1.6288),
    ]

# 转换数值为float类型
aud_usd_arr = np.array(aud_usd_lst)
aud_usd_series = pd.Series(aud_usd_arr[:,1].astype(float), index=aud_usd_arr[:,0])

eur_aud_arr = np.array(eur_aud_lst)
eur_aud_series = pd.Series(eur_aud_arr[:,1].astype(float), index=eur_aud_arr[:,0])

# 合并为DataFrame
df = pd.DataFrame([aud_usd_series, eur_aud_series]).T
df.columns = ['AUD/USD','EUR/AUD']
print(df)

说明 #

两种方法都能确保Series中的汇率值是浮点数类型，避免类型错误。方法1更简洁高效，无需额外的类型转换步骤，是推荐的做法。

内容的提问来源于stack exchange，提问作者ste