但是 报了这个 TypeError: reduction operation 'argmin' not allowed for this dtype 这个错

这个错误通常是由于数据类型不匹配导致的。在这段代码中，可能是因为 `bic_matrix` 中的某些元素的数据类型不是数字，而是 None 或其他数据类型，从而导致了错误的出现。

你可以尝试在生成 `bic_matrix` 的时候，将其中的 None 替换成一个很大的数字，例如：

if tmp[-1] is None:
    tmp[-1] = float('inf')
bic_matrix.append(tmp)

这样可以避免 None 导致的数据类型不匹配问题。

相关问题

TypeError: reduction operation 'argmin' not allowed for this dtype

这个错误通常是因为你在使用 `argmin` 函数时，数组中的数据类型不支持该操作。`argmin` 函数用于返回数组中最小元素的索引。通常，这个错误是由于数组中的数据类型不是 `float` 或 `int` 类型导致的。

解决这个问题的方法是将数组的数据类型转换为支持 `argmin` 操作的类型，比如 `float` 或 `int`。你可以使用 `astype` 函数来转换数组的数据类型，示例代码如下：

import numpy as np

# 定义一个数组
arr = np.array(['a', 'b', 'c'])

# 将数组的数据类型转换为 int 类型
arr = arr.astype(int)

# 使用 argmin 函数获取最小元素的索引
min_index = np.argmin(arr)

print(min_index)

在上面的示例代码中，我们将数组的数据类型从字符串类型转换为了 int 类型，然后使用 `argmin` 函数获取了最小元素的索引。

TypeError: reduction operation 'argmax' not allowed for this dtype

这个错误通常是由于数据类型不支持 `argmax()` 函数所导致的。`argmax()` 函数用于返回最大值所在的索引位置，但是只能用于数值类型数据。如果 `argmax()` 函数用于非数值类型数据，就会出现该错误。

如果你的数据类型是非数值类型，可以考虑使用 `idxmax()` 函数来获取最大值所在的索引位置。`idxmax()` 函数用于返回最大值所在的行索引标签，可以用于任何数据类型。

如果你的数据类型是数值类型，但是也出现了该错误，可以尝试将数据类型转换为数值类型，例如：

df['column_name'] = pd.to_numeric(df['column_name'])

这样可以将 `column_name` 列的数据类型转换为数值类型。