遍历DataFrame计算统计量写CSV触发'float' object is not subscriptable报错

触发报错的直接原因：你尝试对单个浮点数执行下标索引操作（skewVal[0]/kurtVal[0]）

• scipy.stats 模块的 skew() 和 kurtosis() 函数，当输入为一维数据序列（比如你代码中dfxz[i]指代的DataFrame单列数据）时，返回值是单个浮点型数值，而非数组/列表
• 浮点数本身不支持下标访问（即不能被“subscriptable”），因此触发TypeError
• 你此前将DataFrame原始值从float转int的操作完全不相关——错误出在计算结果的取值逻辑，而非输入数据的类型

核心修改：移除冗余的下标索引 #

去掉skewVal和kurtVal后的[0]，直接使用计算得到的单值。

优化：避免重复IO操作（可选但更规范） #

原代码在循环内反复打开/关闭CSV文件，效率低且易出现文件句柄异常，建议改为循环外统一打开文件。

import numpy as np
from scipy.stats import skew, kurtosis

# 循环外统一打开文件，自动管理句柄
with open('tabel.csv', 'a', newline='', encoding='utf-8') as csv:
    # 规范遍历DataFrame的所有列
    for col_name in dfxz.columns:
        col_data = dfxz[col_name]
        # 计算统计值
        mean_val = np.mean(col_data)
        variance_val = np.var(col_data)
        skew_val = skew(col_data)
        kurt_val = kurtosis(col_data)
        
        # 直接写入单值（无下标）
        csv.write(f"{mean_val},{variance_val},{skew_val},{kurt_val},1\n")

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