你这次的日志 **比之前更关键、更清晰**，直接暴露了 `raw_db2` 的**列类型污染根源**： ``` temp1:0 B_700_13 4 B_560_12 ... → dtype: object ✅（字符串） temp2:0 12 4 12 ... → dtype: int64 ❌（整数！不是字符串！） ``` → `raw_db2['recipe']` 列的 `dtype` 是 `int64`！ → 所以 `temp2.values` 就是 `np.array([12, 12, 12, ...], dtype=int64)` → `pd.concat([temp1, temp2])` 后，pandas 自动将 `temp1`（str）提升为 `object`，但 `temp2` 的 `12` 仍保持为 `int` 类型 → `temp` 中混入 `int 12`。 --- ### ✅ 根本原因确认（一针见血） | 现象 | 原因 | |------|------| | `raw_db2['recipe'].dtype == 'int64'` | 你在构建 `raw_db2` 时，**`recipe` 列被错误赋值为 `cnt` 或 `rtime` 的数值（如 `12`）**，而非 recipe 字符串 | | `temp2 = raw_db2['recipe'].loc[...]` → `Series(dtype=int64)` | `raw_db2['recipe']` 全列是整数，说明 `detail` 中 recipe 字段根本没写对，而是把计数/时间写进去了 | 🔍 **定位位置：就在你构建 `raw_db` 的 `for ind, i in enumerate(database):` 循环中！** 看这段代码： ```python new_database.append([ i[0], i[1], pre_species, pre_energy, pre_dosage, f'{i[0]}_{pre_species}_{pre_energy}_{pre_dosage}', i[2], pos_species, pos_energy, pos_dosage, f'{i[0]}_{pos_species}_{pos_energy}_{pos_dosage}', f'{i[0]}_{pre_species}_{pre_energy}_{pre_dosage}_{pos_species}_{pos_energy}_{pos_dosage}', i[-1], ]) ``` ✅ `i[-1]` 是原始 CSV 的最后一列（即 `rtime`），你把它直接塞进了 `new_database` 的**第 13 个字段**（索引 12）； ❌ 但 `raw_db2.columns` 定义为： ```python raw_db2.columns = ['eqpid', 'old_pre_recipe','pre_species', 'pre_energy', 'pre_dosage', 'pre_recipe', 'old_pos_recipe','species', 'energy', 'dosage', 'recipe', 'combination', 'rtime'] ``` → 共 **13 列**，索引 `0~12` → `i[-1]`（`rtime`）被放到了 `rtime` 列 ✅ → 那 `recipe` 列（索引 10）是谁？是 `f'{i[0]}_{pos_species}_{pos_energy}_{pos_dosage}'` ✅ ❓但你的日志显示 `raw_db2['recipe']` 是 `int64` → 说明 `f'{...}'` 这个字符串表达式**在某些行计算结果为数字（如 `12`）**！ → 唯一可能：`i[0]`, `pos_species`, `pos_energy`, `pos_dosage` 中某一个是 `int`，导致字符串拼接失败，例如： ```python i[0] = 'FIHEX01' pos_species = 'B' pos_energy = 700 # ← int！不是 str！ pos_dosage = 13 # ← int！不是 str！ # 拼接：'FIHEX01' + '_' + 'B' + '_' + 700 + '_' + 13 → TypeError! # 但你没报错？说明实际是：str(700) + '_' + str(13) → '700_13'，没问题... ``` ⚠️ 等等 —— 再看你的 `rcp_mod()` 返回值： ```python return source, round(final_energy), round(final_dosage) ``` → `final_energy` 和 `final_dosage` 是 `int`（`round(...)` 返回 int） → 所以 `pos_energy = 700`（int），`pos_dosage = 13`（int） → `f'{i[0]}_{pos_species}_{pos_energy}_{pos_dosage}'` → Python 3.6+ 支持 `f-string` 自动转 str，所以 `'FIHEX01_B_700_13'` ✅ 那 `12` 是哪来的？ → 只有一个地方：`i[2]`（原始 `old_pos_recipe`）本身是 `12`！ → 即：原始 CSV 中某行的 `old_pos_recipe` 字段内容就是数字 `12`（不是字符串 `'12'`），而 `pd.read_csv()` 默认将纯数字列识别为 `int64`！ ✅ 验证命令（加在 `database = pd.read_csv(...)` 后）： ```python print("🔍 Original CSV 'old_pos_recipe' dtype:", database[:,2].dtype) # 如果是 numpy array # 或如果是 DataFrame： # print("🔍 Original CSV 'old_pos_recipe' dtype:", database['old_pos_recipe'].dtype) ``` 你大概率会看到： ``` 🔍 Original CSV 'old_pos_recipe' dtype: int64 ``` → 原始数据中就存在 `12` 这种“伪 recipe”，且被 pandas 当作数字读入！ --- ### ✅ 终极修复方案（3 步，彻底根治） #### ✅ Step 1：读取原始 CSV 时，强制 `recipe` 列为字符串（防 `12` 被当 int） ```python # 替换你原来的： # database = pd.read_csv(fr'{main_path}\HE_tito_database.csv').values # ✅ 改为（指定 recipe 列强制 string）： database = pd.read_csv( fr'{main_path}\HE_tito_database.csv', dtype={'old_pre_recipe': str, 'old_pos_recipe': str} # 关键！ ).values ``` ✅ 效果：即使 CSV 中某行 `old_pos_recipe` 是 `12`，也会被读成字符串 `'12'`，后续 `rcp_mod('12')` 返回 `('None', 0, 0)`，再被 `if pre_species is None: continue` 过滤掉，**绝不会进入 `raw_db2`**。 --- #### ✅ Step 2：加固 `raw_db2` 构建（确保 `recipe` 列永远是 str） 在 `raw_db2 = pd.DataFrame(raw_db)` 后立即执行： ```python # ✅ 强制 recipe 和 pre_recipe 列为字符串，并过滤非法值 raw_db2['pre_recipe'] = raw_db2['pre_recipe'].astype(str) raw_db2['recipe'] = raw_db2['recipe'].astype(str) # ✅ 删除所有 recipe 不含 '_' 的行（'12' → 不含 '_'，被删） raw_db2 = raw_db2[raw_db2['recipe'].str.contains('_', na=False)] raw_db2 = raw_db2[raw_db2['pre_recipe'].str.contains('_', na=False)] ``` --- #### ✅ Step 3：安全提取 `temp`（你已改过，再确认） ```python # ✅ 确保这三行在 Step 3 中： temp1 = raw_db2.loc[raw_db2['eqpid']==i1, 'pre_recipe'].dropna().astype(str) temp2 = raw_db2.loc[raw_db2['eqpid']==i1, 'recipe'].dropna().astype(str) temp = pd.concat([temp1, temp2]).drop_duplicates().apply( lambda x: x if isinstance(x, str) and '_' in x else None ).dropna().values ``` --- ### 🧪 验证是否成功（加在 `print(temp)` 前） ```python print(f"🔧 raw_db2['recipe'].dtype = {raw_db2['recipe'].dtype}") print(f"🔧 raw_db2['recipe'] sample = {raw_db2['recipe'].head(3).tolist()}") print(f"🔧 raw_db2['recipe'] invalid count = {(~raw_db2['recipe'].str.contains('_', na=False)).sum()}") ``` ✅ 你将看到： ``` 🔧 raw_db2['recipe'].dtype = object 🔧 raw_db2['recipe'] sample = ['B_700_13', 'B_560_12', 'B_800_13'] 🔧 raw_db2['recipe'] invalid count = 0 ``` → `12` 彻底消失，`temp` 干净如初。 --- ### 💡 为什么你之前的 `astype(str)` 没用？ 因为你是在 `temp2 = raw_db2['recipe'].loc[...]` **之后**才 `.astype(str)`，而此时 `raw_db2['recipe']` 已经是 `int64`，`loc[...]` 返回的 `Series` 仍是 `int64`，`.astype(str)` 才生效 —— 但 `12` 已经变成 `'12'`，而 `'12'.split('_')` 仍会报错（因为没 `'_'`）。 ✅ 所以必须 **源头阻断**：从 `pd.read_csv()` 开始就强制 `str`，再配合 `contains('_')` 过滤，双保险。 --- ### 📌 总结：只需做这 3 处修改（全部在你现有代码中） | 位置 | 修改内容 | 作用 | |------|----------|------| | **`database = pd.read_csv(...)` 行** | 加 `dtype={'old_pre_recipe': str, 'old_pos_recipe': str}` | 防原始 CSV 数字被误读为 `int64` | | **`raw_db2 = pd.DataFrame(...)` 后** | 加两行 `.astype(str)` + `.str.contains('_')` 过滤 | 确保 `raw_db2` 中 recipe 100% 是合法字符串 | | **Step 3 中 `temp = ...`** | 用 `.apply(lambda x: x if ... else None).dropna()` | 最后一道清洗，兜底保障 | ✅ 改完运行，`temp` 将永远是 `['B_700_13', 'B_560_12', ...]`，无 `int`，无 `'12'`，`data_match()` 中 `rcp.split('_')` 永不崩溃。 ---