Pandas Jupyter“；TypeError:无效的类型比较“；

好的，我刚开始一份新工作，我的任务是用jupyter写一个简单的笔记本。我真的很想给我的主管留下深刻的印象，我已经花了好几个小时来编写这个代码，但却无法让它正常工作，希望这里有人能帮助我

以下是我一直在研究的代码：

import numpy as np
import pandas as pd
import matplotlib
import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec
import seaborn as sns

df = pd.read_csv(r'C:\Users\jk2588\Documents\EDA\EDA Practice\top1000_dataset.csv', converters={'GENDER': lambda x: int(x == 'Male')}, usecols = ['MEMBER_ID', 'GENDER', 'Age', 'Dement'])
df_gp_1 = df[['MEMBER_ID', 'Dement']].groupby('MEMBER_ID').agg(np.mean).reset_index()
df_gp_2 = df[['MEMBER_ID', 'GENDER', 'Age']].groupby('MEMBER_ID').agg(max).reset_index()
df_gp = pd.merge(df_gp_1, df_gp_2, on = ['MEMBER_ID'])
df.head()

输出：

MEMBER\u ID年龄部门性别
0000000020136NAN0
100000000 2 01 36 NaN 0
2 00000000 2 01 36 NaN 0
3 00000000 2 01 36 NaN 0
40000000 2 01 36 NaN 0

df['Dement'] = df['Dement'].fillna(0)
df['Dement'] = df['Dement'].astype('int64')

df.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 999 entries, 0 to 998
Data columns (total 4 columns):
MEMBER_ID    999 non-null object
Age          999 non-null int64
Dement       999 non-null int64
GENDER       999 non-null int64
dtypes: int64(3), object(1)
memory usage: 31.3+ KB

freq = ((df_gp.Age.value_counts(normalize = True).reset_index().sort_values(by = 'index').Age)*100).tolist()
number_gp = 7
def ax_settings(ax, var_name, x_min, x_max):
    ax.set_xlim(x_min,x_max)
    ax.set_yticks([])
    ax.spines['left'].set_visible(False)
    ax.spines['right'].set_visible(False)
    ax.spines['top'].set_visible(False)
    ax.spines['bottom'].set_edgecolor('#444444')
    ax.spines['bottom'].set_linewidth(2)
    ax.text(0.02, 0.05, var_name, fontsize=17, fontweight="bold", transform = ax.transAxes) 
    return None
fig = plt.figure(figsize=(12,7))
gs = gridspec.GridSpec(nrows=number_gp, 
                   ncols=2, 
                   figure=fig, 
                   width_ratios= [3, 1],
                   height_ratios= [1]*number_gp,
                   wspace=0.2, hspace=0.05
                  )
ax = [None]*(number_gp + 1)
features = ['0-17', '18-25', '26-35', '36-45', '46-50', '51-55', '55+']  
for i in range(number_gp):
    ax[i] = fig.add_subplot(gs[i, 0])
    ax_settings(ax[i], 'Age: ' + str(features[i]), -1000, 20000)    
    sns.kdeplot(data=df_gp[(df_gp.GENDER == 'M') & (df_gp.Age == features[i])].Dement, ax=ax[i], shade=True, color="blue",  bw=300, legend=False)
    sns.kdeplot(data=df_gp[(df_gp.GENDER == 'F') & (df_gp.Age == features[i])].Dement, ax=ax[i], shade=True, color="red",  bw=300, legend=False)
    if i < (number_gp - 1): ax[i].set_xticks([])
ax[0].legend(['Male', 'Female'], facecolor='w')
ax[number_gp] = fig.add_subplot(gs[:, 1])
ax[number_gp].spines['right'].set_visible(False)
ax[number_gp].spines['top'].set_visible(False)
ax[number_gp].barh(features, freq, color='#004c99', height=0.4)
ax[number_gp].set_xlim(0,100)
ax[number_gp].invert_yaxis()
ax[number_gp].text(1.09, -0.04, '(%)', fontsize=10, transform = ax[number_gp].transAxes)   
ax[number_gp].tick_params(axis='y', labelsize = 14)
plt.show()

df['Dement']=df['Dement'].fillna（0）
df['Dement']=df['Dement'].aType（'int64'））
df.info（）
范围索引：999个条目，0到998
数据列（共4列）：
成员ID 999非空对象
年龄999非空int64
Dement 999非空int64
性别999非空int64
数据类型：int64（3），对象（1）
内存使用率：31.3+KB
freq=（（df_gp.Age.value_counts（normalize=True）.reset_index（）.排序_值（by='index'）.Age）*100）.tolist（）
数字\u gp=7
def ax_设置（ax、var_名称、x_最小值、x_最大值）：
最大设定值（最小x，最大x）
ax.set_-yticks（[]）
ax.脊椎['left'].set_可见（假）
ax.spines['右'].set_可见（假）
ax.spines['top'].set_可见（假）
斧形刺['bottom'].set_edgecolor（'#4444'））
ax.脊椎['bottom'].设置线宽（2）
ax.text（0.02,0.05，变量名称，fontsize=17，fontwweight=“bold”，transform=ax.transAxes）
一无所获
图=plt.图（图尺寸=（12,7））
gs=gridspec.gridspec（nrows=number\u gp，
ncols=2，
图=图，
宽度比=[3,1]，
高度比=[1]*数量比，
wspace=0.2，hspace=0.05
)
ax=[None]*（数字\u gp+1）
特征=['0-17'，'18-25'，'26-35'，'36-45'，'46-50'，'51-55'，'55+']
对于范围内的i（编号\总成）：
ax[i]=图add_子图（gs[i，0]）
ax_设置（ax[i]，“年龄：”+str（特征[i]），-100020000）
sns.kdeplot（数据=df_gp[（df_gp.GENDER='M'）和（df_gp.Age==features[i]）。Dement，ax=ax[i]，shade=True，color=“blue”，bw=300，legend=False）
sns.kdeplot（数据=df_gp[（df_gp.GENDER='F'）和（df_gp.Age==features[i]）。Dement，ax=ax[i]，shade=True，color=“red”，bw=300，legend=False）
如果i<（数字\u gp-1）：ax[i]。设置\u xticks（[]）
ax[0]。图例（['Male'，'Female']，facecolor='w'）
ax[编号\u gp]=图添加\u子批次（gs[：，1]）
ax[number_gp]。脊椎['right']。设置_可见（False）
ax[number_gp]。脊椎['top']。设置_可见（False）
ax[数字总成].barh（特征、频率、颜色='#004c99'，高度=0.4）
ax[编号\总成].设置\ xlim（0100）
ax[编号\总成]。反转\亚克斯（）
ax[number\u gp].文本（1.09，-0.04，（%）'，fontsize=10，transform=ax[number\u gp].传输）
ax[编号总成].勾选参数（轴=y'，标签大小=14）
plt.show（）

然后，我会见了：

    C:\Users\jk2588\AppData\Local\Continuum\anaconda3\lib\site-packages\pandas\core\ops.py:1167: FutureWarning: elementwise comparison failed; returning scalar instead, but in the future will perform elementwise comparison
    result = method(y)
--------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last
<ipython-input-38-8665030edb1c> in <module>()
 24     ax[i] = fig.add_subplot(gs[i, 0])
 25     ax_settings(ax[i], 'Age: ' + str(features[i]), -1000, 20000)
---> 26     sns.kdeplot(data=df_gp[(df_gp.GENDER == 'M') & (df_gp.Age == features[i])].Dement, ax=ax[i], shade=True, color="blue",  bw=300, legend=False)
27     sns.kdeplot(data=df_gp[(df_gp.GENDER == 'F') & (df_gp.Age == features[i])].Dement, ax=ax[i], shade=True, color="red",  bw=300, legend=False)
28     if i < (number_gp - 1): ax[i].set_xticks([])

~\AppData\Local\Continuum\anaconda3\lib\site-packages\pandas\core\ops.py in wrapper(self, other, axis)
1281 
1282             with np.errstate(all='ignore'):
-> 1283                 res = na_op(values, other)
1284             if is_scalar(res):
1285                 raise TypeError('Could not compare {typ} type with Series'

~\AppData\Local\Continuum\anaconda3\lib\site-packages\pandas\core\ops.py in na_op(x, y)
1167                     result = method(y)
1168                 if result is NotImplemented:
-> 1169                     raise TypeError("invalid type comparison")
1170             else:
1171                 result = op(x, y)

TypeError: invalid type comparison

C:\Users\jk2588\AppData\Local\Continuum\anaconda3\lib\site packages\pandas\core\ops.py:1167:FutureWarning:elementwise比较失败；而是返回标量，但将来将执行元素级比较
结果=方法（y）
--------------------------------------------------------------------------
TypeError回溯（最近一次调用上次
在（）
24 ax[i]=图add_子批次（gs[i，0]）
25 ax_设置（ax[i]，“年龄：”+str（特征[i]），-100020000）
--->26 sns.kdeplot（数据=df_gp[（df_gp.GENDER='M'）和（df_gp.Age==features[i]）。Dement，ax=ax[i]，shade=True，color=“blue”，bw=300，legend=False）
27 sns.kdeplot（数据=df_gp[（df_gp.GENDER='F'）和（df_gp.Age==features[i]）。Dement，ax=ax[i]，shade=True，color=“red”，bw=300，legend=False）
28如果i<（数字\u gp-1）：ax[i]。设置\u xticks（[]）
包装器中的~\AppData\Local\Continuum\anaconda3\lib\site packages\pandas\core\ops.py（self、other、axis）
1281
1282，带有np.errstate（all='ignore'）：
->1283 res=na_op（值，其他）
1284如果是标量（res）：
1285 raise TypeError（'无法将{typ}类型与序列进行比较'
na_op（x，y）中的~\AppData\Local\Continuum\anaconda3\lib\site packages\pandas\core\ops.py
1167结果=方法（y）
1168如果未执行结果：
->1169 raise TypeError（“无效类型比较”）
1170其他：
1171结果=op（x，y）
TypeError:类型比较无效

---

请帮帮我，我这周遇到了大量荒谬的错误

如果不知道数据是什么样子，很难说。也许

'age'

列是一个数字，你正在将它与

功能中的字符串进行比较

？刚刚用df.head（）和df.info（）的输出进行了更新.我知道'Dement'列中有一些NaN，但这就是为什么我试图用.fillna（）将'Dement'转换为零，然后用.astype（）将其更改为'int64'。但我仍然看到无效的Comparison TypeError。如果您需要更多信息，请告诉我。

age

似乎是一个数字，

features

只包含字符串。这不起作用。您需要更复杂的工具来测试年龄和范围。或者为每个人创建一个额外的列来存储功能“？如果不知道数据是什么样子，很难说。可能

'age'

列是一个数字，您正在将它与

功能中的字符串进行比较。刚刚使用df.head（）和df.info（）的输出进行了更新.我知道'Dement'列中有一些NaN，但这就是为什么我试图用.fillna（）将'Dement'转换为零，然后用.astype（）将其更改为'int64'。但我仍然看到无效的Comparison TypeError。如果您需要更多信息，请告诉我。
age
似乎是一个数字，
features
只包含字符串。这不起作用。您需要更复杂的工具来测试年龄和范围。或者为每个人创建一个额外的列来存储特征'？