TypeError: dtype 'str' does not support operation 'mean'
Ai aplicat groupby(...).mean() pe tot tabelul, iar pandas încearcă să calculeze media și pentru coloanele de text (nume, oraș). Alege coloana numerică pe care o agregi, df.groupby("dep")["salariu"].mean(), sau adaugă numeric_only=True.
Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la
Ce înseamnă
df.groupby("departament").mean() înseamnă „media fiecărei coloane, pe fiecare departament”. Pentru coloanele numerice e în regulă, dar pentru o coloană de tip str (în pandas 3, tipul implicit pentru text) media nu are sens, deci operația se oprește. Mesajul spune tipul coloanei problematice (str) și operația (mean); aceeași eroare apare și cu median, std sau var.
În pandas 1.x, coloanele de text erau eliminate tacit din rezultat. Din pandas 2, trebuie să alegi explicit, iar mesajul era TypeError: agg function failed [how->mean,dtype->object]. E mai bine așa: vezi exact ce calculezi.
Atenție la sum(): pe text nu dă eroare, ci lipește valorile (numele angajaților devin un singur șir lung). Și dacă o coloană care ar trebui să fie numerică apare aici, problema e la citire: are valori care nu sunt numere.
De ce apare: cauzele frecvente
1groupby pe tot tabelul
print(df.groupby("departament").mean())print(df.groupby("departament")["salariu"].mean())Alegi doar coloana pentru care media are sens. Rezultatul e o Series cu media salariului pe departament.
2Mai multe coloane numerice deodată
print(df.groupby("departament").mean())print(df.groupby("departament").mean(numeric_only=True))numeric_only=True ignoră coloanele de text și calculează media pentru toate coloanele numerice.
3Statistici diferite pe coloane diferite
print(df.groupby("departament").agg("mean"))print(df.groupby("departament").agg(
salariu_mediu=("salariu", "mean"),
angajati=("nume", "count"),
))Agregările numite îți dau control complet: media doar pe salariu, numărare pe nume.
Repară eroarea, direct în pagină
Codul vrea salariul mediu pe fiecare departament, dar groupby("departament").mean() încearcă să facă media și pentru coloana nume și dă TypeError: dtype 'str' does not support operation 'mean'. Repară-l ca să afișeze doar media salariilor pe departament, rotunjită la lei.
import pandas as pd
df = pd.DataFrame({
"nume": ["Ana", "Bogdan", "Corina", "Dan", "Elena"],
"departament": ["IT", "HR", "IT", "Vânzări", "HR"],
"salariu": [12500, 7400, 9800, 6100, 6900],
})
medii = df.groupby("departament").mean().round()
print(medii)departament HR 7150.0 IT 11150.0 Vânzări 6100.0 Name: salariu, dtype: float64
Indiciu
Selectează coloana salariu după groupby, înainte de mean().
Reparația
import pandas as pd
df = pd.DataFrame({
"nume": ["Ana", "Bogdan", "Corina", "Dan", "Elena"],
"departament": ["IT", "HR", "IT", "Vânzări", "HR"],
"salariu": [12500, 7400, 9800, 6100, 6900],
})
medii = df.groupby("departament")["salariu"].mean().round()
print(medii)De ce merge
Fără selecția unei coloane, mean() se aplică tuturor coloanelor rămase după grupare: nume (text) și salariu. Media unor nume nu există, de aici eroarea. Cu ["salariu"], gruparea se aplică doar pe salarii, iar rezultatul e o Series cu media fiecărui departament: HR 7150, IT 11150, Vânzări 6100.
Alte forme ale mesajului
TypeError: dtype 'str' does not support operation 'median'TypeError: agg function failed [how->mean,dtype->object]TypeError: Could not convert AnaBogdan to numeric
Cum o eviți pe viitor
- La
groupby, alege mereu coloanele pe care le agregi:df.groupby("cheie")[["col1", "col2"]].mean(). - Pentru rapoarte, folosește agregări numite (
agg(nume=("coloana", "functie"))), care spun clar ce calculezi. - Dacă o coloană numerică apare ca
strîndf.dtypes, rezolv-o la citire (na_values,decimal), nu la grupare.
Întrebări frecvente
În pandas 1.x același cod mergea. De ce?
Atunci coloanele de text erau aruncate automat din rezultat. Comportamentul ascundea greșeli (o coloană numerică citită ca text dispărea fără urmă), așa că a fost schimbat: acum alegi explicit coloanele sau pui numeric_only=True.
De ce sum() nu dă eroare?
Pentru text, „suma” înseamnă lipire, deci groupby(...).sum() întoarce numele lipite unul de altul. Nu e o eroare, dar rezultatul nu are sens. Selectează coloanele numerice și aici.
Erori înrudite
TypeError: Cannot perform reduction 'mean' with string dtype Coloana pe care calculezi media e de tip text (str), nu numerică, de obicei pentru că în fișier o celulă conține ceva ce nu e număr („-”, „n/a”, „12 lei”). Transformă coloana în număr: citește cu na_values=["-"] sau folosește pd.to_numeric(..., errors="coerce"), apoi calculează media. KeyError: 'Column not found: valoare' După groupby ai cerut coloana 'valoare', dar ea nu există în DataFrame: e scrisă altfel sau încă nu ai creat-o. Creează coloana înainte de grupare (df["valoare"] = df["cantitate"] * df["pret"]) sau folosește numele exact din df.columns. ValueError: Index contains duplicate entries, cannot reshape pivot (sau unstack) a găsit mai multe rânduri pentru aceeași pereche rând-coloană din tabelul final și nu știe ce valoare să pună în celulă. Folosește pivot_table cu o agregare (aggfunc="sum" sau "mean") sau elimină duplicatele înainte. Învață Python pentru analiza datelor de la zero, cu exerciții la fiecare lecție
Curs Data Analysis with Python: lecții scurte, fiecare cu un exercițiu verificat automat, direct în browser. Primele 15 lecții sunt gratuite.
