DataFrame中FFT Peak列异常值处理时类型错误问题排查

你遇到的这个TypeError核心原因很明确：你的FFT Peak (Hz)列的数据类型是字符串（str），而非数值类型（float/int），导致代码执行数值运算（比如x - x.median()）时，出现了字符串与浮点数无法相减的类型不匹配错误。

解决步骤： #

1. 先转换列的数据类型为数值型

首先确认列的当前类型，执行：

print(X3_a['FFT Peak (Hz)'].dtype)

输出应该是object（代表字符串类型）。接下来用pd.to_numeric把列转换为数值类型，同时处理可能的转换错误：

# 转换为数值，无法转换的内容设为NaN
X3_a['FFT Peak (Hz)'] = pd.to_numeric(X3_a['FFT Peak (Hz)'], errors='coerce')
# 用中位数填充NaN（也可以根据需求用均值、众数等）
X3_a['FFT Peak (Hz)'] = X3_a['FFT Peak (Hz)'].fillna(X3_a['FFT Peak (Hz)'].median())

2. 优化异常值处理函数（可选，增强健壮性）

你原来的函数逻辑没问题，但可以调整得更清晰且兼容边界情况：

import numpy as np
import pandas as pd

def detect_outliers(x):
    # 确保输入为数值型
    if not pd.api.types.is_numeric_dtype(x):
        x = pd.to_numeric(x, errors='coerce')
    q1 = x.quantile(0.25)
    q3 = x.quantile(0.75)
    iqr = q3 - q1
    # 基于中位数和IQR计算异常值边界
    lower_bound = x.median() - 1.5 * iqr
    upper_bound = x.median() + 1.5 * iqr
    return (x < lower_bound) | (x > upper_bound)

def replace_outliers(x):
    outliers_mask = detect_outliers(x)
    if outliers_mask.any():
        # 用5%和95%分位数作为替换值
        lower_replace = x.quantile(0.05)
        upper_replace = x.quantile(0.95)
        # 分别替换下限和上限的异常值
        x.loc[outliers_mask & (x < x.median())] = lower_replace
        x.loc[outliers_mask & (x > x.median())] = upper_replace
    return x

# 仅对FFT Peak列应用函数（如果只处理这一列的话）
X1o = X3_a['FFT Peak (Hz)'].apply(replace_outliers)

为什么原来的代码报错？ #

你的原始数据里，那些看似数值的内容（比如0.12667）其实是以字符串形式存储的。当你调用x.median()时，pandas可能会尝试隐式转换，但这种转换不稳定，最终导致后续的减法运算（x - x.median()）出现字符串与浮点数的类型冲突，触发TypeError。

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