Python 类型错误：can'；t将序列乘以类型为'的非整数；numpy.float64'；-将列乘以值

通过将现有列乘以一个值，我在数据框中创建新列时遇到问题-我查看了类似的问题，但无法理解如何修复下面的代码：

list = []

i = 1
for col in df.columns[1:19]:

    #calculations
    x = df[[df.columns[i], df.columns[i+1], df.columns[i+2]]].values
    Q = np.cov(x.T)

    eval, evec = np.linalg.eig(Q)

    w = np.array([2*(evec[0,2]/evec[1,2]),2*(evec[1,2]/evec[1,2]),2*(evec[2,2]/evec[1,2])])

    #create new columns in dataframe with applied weights
    df['w1_PCA'] = df.columns[i] * w[0]
    df['b_PCA'] = df.columns[i+1] * w[1]
    df['w2_PCA'] = df.columns[i+2] * w[2]

    i = i + 1

print(x)

接收错误如下：

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-26-d7d86010b8f8> in <module>
 19 
 20     #create new columns in dataframe for back-applied PCA weights
---> 21     df['w1_PCA'] = df.columns[i] * w[0]
 22     df['b_PCA'] = df.columns[i+1] * w[1]
 23     df['w2_PCA'] = df.columns[i+2] * w[2]

TypeError: can't multiply sequence by non-int of type 'numpy.float64'

---------------------------------------------------------------------------
TypeError回溯（最近一次调用上次）
在里面
19
20#在dataframe中为反向应用的PCA权重创建新列
--->21 df['w1_PCA']=df.列[i]*w[0]
22 df['b_PCA']=df.列[i+1]*w[1]
23 df['w2_PCA']=df.列[i+2]*w[2]
TypeError:无法将序列与类型为'numpy.float64'的非整数相乘

有人能告诉我这个问题出在哪里吗

---

非常感谢您的帮助

抛出错误是因为数据帧df的列号i是字符串（在我的代码中）或整数。首先需要使用

float（）

将int转换为float。 我为您的问题创建了一个简短的示例，并且可以按照我的理解消除错误，同时添加另外三列并插入一些值。我希望您可以将此解决方案应用于数据帧或数据集。下面你可以找到两个例子，具体取决于你想做什么

解决方案1：

import numpy as np
import pandas as pd
df = pd.DataFrame({'a': [1,2,3], 'b': [2,3,4], 'c': [2,3,4], 'd': [2,3,4], 'e': [2,3,4], 'f': [2,3,4], 'g': [2,3,4]})

list = []

i = 1
for col in df.columns[1:5]:

    #calculations
    x = df[[df.columns[i], df.columns[i+1], df.columns[i+2]]].values
    Q = np.cov(x.T)

    eval, evec = np.linalg.eig(Q)

    w = np.array([2*(evec[0,2]/evec[1,2]),2*(evec[1,2]/evec[1,2]),2*(evec[2,2]/evec[1,2])])

    #create new columns in dataframe with applied weights
    df['w1_PCA'] = float(df['a'][0]) * w[0]
    df['b_PCA'] = float(df['b'][0]) * w[1]
    df['w2_PCA'] = df['c'][0] * w[2]
    i = i + 1

在这种情况下，产生的

df

为：

    a   b   c   d   e   f   g   w1_PCA  b_PCA   w2_PCA
0   1   2   2   2   2   2   2   -0.0    4.0     -4.0
1   2   3   3   3   3   3   3   -0.0    4.0     -4.0
2   3   4   4   4   4   4   4   -0.0    4.0     -4.0

或者，您可以在列

df['a']

上应用函数，并将结果存储在新列中。您必须将代码的第21到23行更改为下面的三行。 下面是函数到整个列的映射：

解决方案2

    df['w1_PCA'] = df['a'].apply(lambda x: float(x) * w[0])
    df['b_PCA'] = df['b'].apply(lambda x: float(x) * w[1])
    df['w2_PCA'] = df['c'].apply(lambda x: float(x) * w[2])

结果:

    a   b   c   d   e   f   g   w1_PCA  b_PCA   w2_PCA
0   1   2   2   2   2   2   2   -0.0    4.0     -4.0
1   2   3   3   3   3   3   3   -0.0    6.0     -6.0
2   3   4   4   4   4   4   4   -0.0    8.0     -8.0