Jupyter Notebook中解决温度数据评估的simulations数值类型错误

核心原因 #

这个错误的本质是传入NSE函数的模拟温度数组不是纯数值类型，降水数据能正常运行说明脚本逻辑没问题，问题出在温度数据的格式或导入处理上。

具体排查步骤 #

• 检查模拟温度数据的内容
  打开CSV文件，手动扫一眼温度列是否存在非数值内容（比如字符串注释、空单元格、NA/-9999这类缺失值标记）。用pandas快速验证：

  import pandas as pd
  sim_df = pd.read_csv('你的模拟温度文件.csv')
  # 查看列类型
  print(sim_df['温度列名'].dtypes)
  # 强制转数值，看是否有NaN生成（NaN对应原数据的非数值项）
  print(pd.to_numeric(sim_df['温度列名'], errors='coerce').isna().sum())
  

• 修正数据导入的类型指定
  导入CSV时，pandas可能把温度列识别成了object（字符串）类型，直接指定类型避免自动识别错误：

  sim_df = pd.read_csv('你的模拟温度文件.csv', dtype={'温度列名': float}, na_values=['-9999', 'NA', ''])
  

  其中na_values把常见的缺失值标记统一转成NaN，方便后续处理。

• 清理数据后再传入NSE函数
  调用自定义NSE函数前，先把数据转成纯数值数组并清理缺失值：

  # 提取数值并去掉缺失值
  sim_data = sim_df['温度列名'].dropna().values
  obs_data = obs_df['温度列名'].dropna().values
  # 确保两个数组长度一致（时间序列对齐）
  if len(sim_data) != len(obs_data):
      min_length = min(len(sim_data), len(obs_data))
      sim_data = sim_data[:min_length]
      obs_data = obs_data[:min_length]
  # 调用NSE函数
  nse_result = custom_nse(sim_data, obs_data)
  

• 检查自定义NSE函数的校验逻辑
  看你自定义的NSE函数里的数值校验代码，比如是否用了np.issubdtype(simulations.dtype, np.number)这类判断。如果函数里没做自动转换，就必须确保传入的是纯数值数组，否则触发TypeError。可以在函数开头加一行强制转换：

  def custom_nse(simulations, observations):
      # 强制转数值并清理缺失值
      simulations = pd.to_numeric(simulations, errors='coerce').dropna().values
      observations = pd.to_numeric(observations, errors='coerce').dropna().values
      # 原函数逻辑...
  

内容的提问来源于stack exchange，提问作者Harith S