Python 3.7升级后dtype冲突致加权均值计算报错求助

嘿，我一眼就看出你这问题的症结了——你不小心把字符串类型的列卷进数值运算里了！Python 3.7之后numpy的类型检查变严格了，之前3.6里可能悄悄帮你做了隐式转换，现在直接给你报错了，咱们一步步来解决：

先搞懂错误原因 #

你收到的TypeError: ufunc 'add' did not contain a loop with signature matching types dtype('<U21')...里，<U21是字符串类型的标记，说明你的computeColumn函数里，df.iloc[:,offset+i]取到的是字符串列，你拿字符串去乘整数、做加法，这不报错才怪呢！

看你贴的DataFrame结构，前5列里就有两个object类型的字符串列（课程名称、学期），如果你的offset参数指向的是这些列，那肯定出问题。你说要计算“第1-5列的加权均值”，但这几列根本不全是数值型啊！

正确的解决步骤 #

1. 精准筛选要计算的数值列

首先得明确：你要计算的是每个问题下的5个评分列（比如问题2的Helt enig、各类Blank列、Helt uenig），这些才是int64类型的数值列。咱们别用列位置来选，用列名特征筛选更靠谱：

# 比如筛选问题2的所有评分列（排除那个Indgår(2)的字符串列）
target_cols = [col for col in df.columns if '(2)' in col and 'Indgår' not in col]
# 确保列是数值型，转成float避免后续运算问题
df_target = df[target_cols].astype(float)

2. 重写加权均值函数（用向量运算更高效）

别用循环啦，pandas和numpy的向量运算既快又不容易出错，还能避免类型问题：

import numpy as np
import pandas as pd

def compute_weighted_mean(df_target):
    # 对应5列的权重：5,4,3,2,1
    weights = np.array([5, 4, 3, 2, 1])
    # 计算加权总和
    weighted_sum = (df_target * weights).sum(axis=1)
    # 计算每一行的总和
    row_total = df_target.sum(axis=1)
    # 处理总和为0的情况，避免除以0报错，换成NaN
    weighted_mean = weighted_sum / row_total.replace(0, np.nan)
    return weighted_mean

3. 调用函数并整合结果

# 计算加权均值
problem2_mean = compute_weighted_mean(df_target)
# 把结果添加回原DataFrame
df['问题2_加权均值'] = problem2_mean

额外提醒 #

• 永远不要依赖列位置（iloc[:,offset:offset+5]）来选列，除非你能100%保证Excel文件的列顺序永远不变，不然很容易误选到字符串列；
• 运算前一定要用df[target_cols].dtypes检查列类型，确保都是int64或float64；
• 记得处理除以0的情况，不然遇到全0的行，会得到inf或者直接报错。

内容的提问来源于stack exchange，提问作者Nora Seinfield