Pearsonr：TypeError：没有找到与指定签名匹配的循环，并且未找到用于ufunc add的强制转换

Question

我有一个名为“ df”的时间序列熊猫数据框。它具有一列并且具有以下形状：（2000，1）。数据框的标题如下所示：

            Weight
Date    
2004-06-01  1.9219
2004-06-02  1.8438
2004-06-03  1.8672
2004-06-04  1.7422
2004-06-07  1.8203

目标

我正在尝试使用“ for循环”来计算“重量”变量在各种时间范围或时滞内的百分比变化之间的相关性。这样做是为了评估各种长度的时间段内饲养牲畜的影响。

循环可以在下面找到：

from scipy.stats.stats import pearsonr

# Loop for producing combinations of different timelags and holddays 
# and calculating the pearsonr correlation and p-value of each combination 

for timelags in [1, 5, 10, 25, 60, 120, 250]:
    for holddays in [1, 5, 10, 25, 60, 120, 250]:
        weight_change_lagged = df.pct_change(periods=timelags)
        weight_change_future = df.shift(-holddays).pct_change(periods=holddays)

        if (timelags >= holddays):
            indepSet=range(0, weight_change_lagged.shape[0], holddays)
        else:
            indepSet=range(0, weight_change_lagged.shape[0], timelags)

        weight_change_lagged = weight_change_lagged.iloc[indepSet]
        weight_change_future = weight_change_future.iloc[indepSet]

        not_na = (weight_change_lagged.notna() & weight_change_future.notna()).values

        (correlation, p-value)=pearsonr(weight_change_lagged[not_na], weight_change_future[not_na])
        print('%4i %4i %7.4f %7.4f' % (timelags, holddays, correlation, p-value))

循环执行得很好，但是，在计算皮尔逊相关性和p值时，即在本节中，它会失败：

(correlation, p-value)=pearsonr(weight_change_lagged[not_na], weight_change_future[not_na])

它产生此错误：

TypeError：没有与指定签名匹配的循环，并且强制转换为为ufunc找到添加

有人对如何解决我的问题有任何线索吗？我looked through the forums，没有找到符合我确切要求的答案。

Answer 1

通过随机修补，我设法解决了如下问题：

scipy的pearsonr包仅接受数组或类似数组的输入。这意味着：

• 大量输入变量数组起作用。
• Pandas系列输入变量的工作。

但是，即使变量包含一列，它们的完整Pandas数据框也不起作用。

因此，我按如下方式编辑了有问题的代码段：

# Define an object containing observations that are not NA
not_na = (weight_change_lagged.notna() & weight_change_future.notna()).values

# Remove na values before inputting the data into the peasonr function (not within the function as I had done):
weight_change_lagged = weight_change_lagged[not_na]
weight_change_future = weight_change_future[not_na]

# Input Pandas Series of the Future and Lagged Variables into the function
(correlation, p-value)=pearsonr(weight_change_lagged['Weight'], weight_change_future['Weight'])

只需稍加修改，代码即可顺利执行。

注意：

如果使用双方括号，如下所示，您输入的不是一个系列的熊猫数据框，则peersonr函数将引发错误：

weight_change_future[['Weight']]

感谢所有尝试提供帮助的人，您的问题使我得到了答案。