Python用pandas处理温度数据时遇TypeError: unhashable type: 'list'求助

嘿，我来帮你拆解这个TypeError: unhashable type: 'list'的问题，顺便理顺你的代码逻辑：

错误原因拆解 #

1. 索引误用导致类型冲突
   你创建的peak是一个一维布尔Series（来自df.iloc[-1] < pctl，只对应DataFrame最后一行的比较结果），但你在循环里试图用二维索引[i, averages]去访问它——Series是一维结构，根本不支持这种二维索引方式。更关键的是，averages是一个列表，当你错误地把它塞进loc索引时，Python会尝试将列表作为哈希键使用，但列表是不可哈希（unhashable）的类型，这直接触发了报错。

2. 逻辑偏差
   原代码里peak只计算了最后一行的比较结果，但循环却遍历了所有行，这显然和你“检查任一平均温度峰值是否满足条件”的需求不匹配。

修正方案 #

步骤1：缩小分位数计算范围 #

先只针对你关心的T1avg和T2avg列计算分位数，避免不必要的计算：

import numpy as np
import pandas as pd

# 假设df是你的目标DataFrame
df['T1avg'] = df['T1'].rolling(11, center=True).mean().shift(50)
df['T2avg'] = df['T2'].rolling(11, center=True).mean().shift(50)
averages = ['T1avg','T2avg']

# 仅针对目标列计算1%分位数，避免全表计算浪费资源
pctl = np.nanpercentile(df[averages], 1, axis=0)

步骤2：生成每行的布尔判断结果 #

如果你想检查每一行的平均温度是否低于对应列的1%分位数，应该生成一个布尔DataFrame（而非仅针对最后一行）：

# 生成每行的布尔判断结果，得到一个shape为(len(df), 2)的DataFrame
peak_mask = df[averages] < pctl

步骤3：检查峰值条件（两种方式任选） #

方式一：批量判断（推荐，效率更高）

不需要循环，直接用any(axis=1)批量判断哪些行满足“至少一个平均温度低于1%分位数”的条件：

# 获取所有满足条件的行的布尔索引
peak_rows = peak_mask.any(axis=1)

# 查看满足条件的行数据
print(df[peak_rows])

方式二：循环遍历（仅当你确实需要逐行处理时使用）

如果因为业务逻辑必须逐行处理，可以这样写：

for idx, row in df.iterrows():
    # 检查当前行的两个平均温度是否有低于对应分位数的情况
    if (row[averages] < pctl).any():
        print(f"行{idx}满足峰值条件")
        # 在这里添加你需要执行的后续逻辑

额外提醒 #

你在滚动均值后使用了shift(50)，这会导致前50行的T1avg/T2avg为NaN，np.nanpercentile会自动忽略这些NaN值，这部分是没问题的，但如果需要提前清理缺失值，可以用df[averages].dropna()处理。

内容的提问来源于stack exchange，提问作者Frank Abraham