Python numpy“财务irr函数返回”；ValueError：输入必须是秩1数组；

我有一个通过mySQL查询填充的数据帧。我把它转换成一个数组来计算irr。排序和groupby函数按预期工作，但我似乎无法避免这个错误。我看了这个，但它似乎不适用于我的情况

我试图传递一个列表、数据帧和熊猫表，但函数正在寻找一个数组，所以这就是我发送它的内容。在此方面的任何帮助都将不胜感激

谢谢

This is the dataset produced as the flows_by_year variable
                     sum
EffectiveDate           
2017          -3660000.0
2018          -5520000.0
2019          -2460213.0
2020           1600000.0


import pandas as pd
import sqlite3
from sqlite3 import Error
import numpy_financial as npf

def IRR(fund, pool):
    database = r'C:\Transaction_History.db'
    conn = create_connection(database)
    sql_flows = ('''SELECT EFFECTIVEDATE, TRANSACTIONAMOUNT FROM Trans_Hist WHERE FUND=''' + 
                 '"' + fund + '"' + ' AND POOL=' + '"' + pool + '"' + 
                 ' AND (TRANSACTIONTYPE = "Funding" OR TRANSACTIONTYPE = "Cash");')
    flows = pd.read_sql_query(sql_flows, conn, parse_dates=['EffectiveDate'])
    flows.sort_values(by=['EffectiveDate'], inplace=True, ascending=True)
    flows_by_year = flows.groupby(flows['EffectiveDate'].dt.year)['TransactionAmount'].agg(['sum'])
    print(flows_by_year)
    irr = round(npf.irr(flows_by_year.values), 4) * 100
    irr = f'{irr:,.2f}'
    print(irr)
    return irr

从中，函数

numpy\u financial.irr（）

使用类似一维数组的对象。但是，您正在按年份传递

流。值是二维的。使用
np.square（按年流动.值）
或
按年流动['sum']

演示：
[193]中的
：导入熊猫作为pd
…：将numpy_financial作为npf导入
…：将numpy作为np导入
在[194]中：数据=np.asarray（[（2017，-3660000.0），
...:                    (2018, -5520000.0),
...:                    (2019, -2460213.0),
...:                    (2020, 1600000.0)])
在[195]中：df=pd.DataFrame（数据，列=['EffectiveDate'，'sum']）
在[196]中：按年份流动=df.set\u索引（'EffectiveDate'）
在[197]中：按年值流动
Out[197]：
数组（[-3660000.]），
[-5520000.],
[-2460213.],
[ 1600000.]])
在[198]中：np.挤压（按年流量值）
Out[198]：数组（[-3660000.，-5520000.，-246013,1600000.）
在[199]中：按年流动[总和]
出[199]：
生效日期
2017.0   -3660000.0
2018.0   -5520000.0
2019.0   -2460213.0
2020.0    1600000.0
名称：sum，数据类型：float64
在[200]中：四舍五入（净现值内部收益率（净现值挤压（流量乘以年值）），4）*100
出[200]：-66.25
在[201]中：四舍五入（净现值、内部收益率（按年度[总和]）流动），4）*100
Out[201]：-66.25
这场挤压赛堪称传奇。我肯定会在其他问题上做更多的调查。非常感谢你！！！！