使用pandas DataFrame.idxmax()触发TypeError的解决问询

首先，这个错误的核心原因是close_price列的数据类型不是数值型（比如是字符串格式），而idxmax()方法只能对数值类型的列执行运算。咱们一步步来修复：

1. 先转换列的数据类型 #

读取数据后，先把close_price列转换成数值类型，同时处理可能存在的非数值数据（比如空字符串、异常值）：

info = robinhood.RobinhoodHistoricalReader("AAPL", start=start, end=end, interval="5minute", span="day")
prices = pd.DataFrame(info.read(), columns=['close_price'])

# 转换为数值类型，errors='coerce'会把无法转换的值转为NaN
prices['close_price'] = pd.to_numeric(prices['close_price'], errors='coerce')
# 可选：删除包含NaN的行，避免干扰后续计算
prices = prices.dropna(subset=['close_price'])

2. 正确获取最高价的索引 #

你之前用prices.idxmax(axis=0)是对整个DataFrame按列找最大值索引，其实咱们只需要针对close_price这一列来操作就行：

# 获取最高价对应的行索引
max_price_index = prices['close_price'].idxmax()
# 计算对应的分钟数（假设索引是从0开始的整数，对应第n个5分钟区间）
minutes = max_price_index * 5

额外说明 #

如果你的prices的索引是时间戳类型（比如datetime），那max_price_index会直接返回最高价对应的时间，这时候你可以直接用这个时间戳来计算分钟数，而不需要乘以5，比如：

# 假设索引是datetime格式
minutes_since_start = (max_price_index - prices.index[0]).total_seconds() // 60

内容的提问来源于stack exchange，提问作者user9291465