你遇到的错误： ``` 'numpy.float64' object has no attribute 'fillna' ``` 出现在这一行代码中： ```python 'kurtosis_peaks': pd.Series(peak_counts).kurt().fillna(0), ``` ### ❌ 错误原因 `pd.Series(peak_counts).kurt()` 返回的是一个 **标量（scalar）**，即 `numpy.float64` 类型，而不是 `pandas.Series` 或 `DataFrame`。 所以你不能对一个浮点数调用 `.fillna()` —— 这是只适用于 `Series` 或 `DataFrame` 的方法。 --- ### ✅ 正确修复方式 你应该先计算峰度，再判断是否为 `NaN`，然后进行填充。可以使用 `np.isnan()` 判断并替换。 ### ✅ 修改后的特征提取代码片段如下： ```python # 替换原来的 kurtosis_peaks 行 kurtosis_val = pd.Series(peak_counts).kurt() kurtosis_val = 0 if np.isnan(kurtosis_val) else kurtosis_val ``` ### 🔧 完整修正版 extract_features 函数（关键部分） ```python def extract_features(group): peak_counts = [] all_heights = [] for _, row in group.iterrows(): heights = [] for i in range(1, 101): h_col = f'Height {i}' if h_col in row and pd.notna(row[h_col]) and row[h_col] != 'OL': try: h_val = float(row[h_col]) if h_val >= 50: heights.append(h_val) except (ValueError, TypeError): continue peak_counts.append(len(heights)) all_heights.extend(heights) if len(peak_counts) == 0: return pd.Series({ 'max_peaks': 0, 'mean_peaks': 0, 'std_peaks': 0, 'skew_peaks': 0, 'kurtosis_peaks': 0, 'num_markers': 0, 'num_high_complex_loci': 0, 'has_six_or_more': 0, 'total_peaks': 0, 'shannon_entropy': 0.0 }) # 计算各项统计特征 max_p = max(peak_counts) mean_p = np.mean(peak_counts) std_p = np.std(peak_counts) skew_p = pd.Series(peak_counts).skew() # 修复：kurtosis 可能为 nan（当方差太小或数据太少），需手动处理 kurtosis_series = pd.Series(peak_counts) kurtosis_val = kurtosis_series.kurt() if np.isnan(kurtosis_val) or np.isinf(kurtosis_val): kurtosis_val = 0 num_markers = len(peak_counts) num_high_complex_loci = sum(p >= 5 for p in peak_counts) has_six_or_more = int(max_p >= 6) total_peaks = sum(peak_counts) # Shannon熵 if all_heights: norm_heights = np.array(all_heights) / (sum(all_heights) + 1e-8) entropy = -np.sum(norm_heights * np.log(norm_heights + 1e-8)) else: entropy = 0.0 # 返回特征字典 return pd.Series({ 'max_peaks': max_p, 'mean_peaks': mean_p, 'std_peaks': std_p, 'skew_peaks': skew_p, 'kurtosis_peaks': kurtosis_val, 'num_markers': num_markers, 'num_high_complex_loci': num_high_complex_loci, 'has_six_or_more': has_six_or_more, 'total_peaks': total_peaks, 'shannon_entropy': entropy }) ``` --- ### 🛠️ 额外建议：调试时检查类型 你可以临时加入打印语句确认类型： ```python k = pd.Series([2,2,2,2]).kurt() print(type(k), k) # <class 'numpy.float64'> -1.2 print(np.isnan(k)) # False ``` 只有当数据无法计算峰度时（如所有值相同、数据太少等），才会返回 `nan`。 --- ### ✅ 总结 > ⚠️ 错误根源：对 `numpy.float64` 调用了 `.fillna()` > ✅ 解决方案：使用 `np.isnan()` 判断并手动赋默认值（如 0） 将上面修正后的 `extract_features` 函数替换原函数即可彻底解决该问题。 --- 如果你希望更稳健，也可以封装成工具函数： ```python def safe_kurtosis(data): s = pd.Series(data) k = s.kurt() return 0 if np.isnan(k) or np.isinf(k) else k ``` 然后在特征中使用： ```python 'kurtosis_peaks': safe_kurtosis(peak_counts) ```