pandas使用math.isclose报TypeError: cannot convert the series to <class 'float'>如何解决

报错原因推测验证 #

你对报错原因的推测是正确的，可通过以下两种方法验证：

• 单值测试：取数据的某一行单值传入math.isclose，执行math.isclose(data['High'].iloc[0], data['lifetime'].iloc[0], rel_tol=0.003)，单值场景下无报错，说明函数本身逻辑没问题。
• 全量Series测试：直接执行math.isclose(data['High'], data['lifetime'], rel_tol=0.003)，会抛出完全相同的TypeError，可确认math模块的函数仅支持标量数值输入，无法直接处理pandas Series这类数组类参数。

该报错和你查到的参考问题「类型错误：无法将序列转换为<class 'float'>类型」描述完全一致，进一步佐证推测的正确性。

修复方案 #

直接替换math.isclose为numpy原生支持数组运算的np.isclose即可，修改后代码如下：

import pandas as pd
from pandas_datareader import data as web
import numpy as np
import math

data = web.DataReader('goog', 'yahoo')
data['lifetime'] = data['High'].asfreq('D').rolling(window=999999, min_periods=1).max() # 检测是否为历史新高
data['lifetime'] = data['lifetime'].astype(float)
# 替换math.isclose为支持数组运算的np.isclose
data['isclose'] = np.where(np.isclose(data['High'], data['lifetime'], rtol = 0.003), 1, 0)

如果有逐行处理的需求，也可以用apply方法实现，但执行效率低于numpy向量化运算，适合小数据量场景：

data['isclose'] = data.apply(lambda x: 1 if math.isclose(x['High'], x['lifetime'], rel_tol=0.003) else 0, axis=1)

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