关于“No loop matching the specified signature and casting was found for ufunc lstsq_n”问题的解决

下面这段代码是使用MatPlotLib绘制数据随时间变化的趋势。

import datetime as dt
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.pylab as plb

plt.rcParams["font.sans-serif"] = ["SimHei"]        # 用来正常显示中文标签
plt.rcParams["axes.unicode_minus"] = False         # 用来正常显示负号

df = pd.DataFrame(columns=("Time", "Sales"))

start_date = dt.datetime(2022, 7, 1)
end_date = dt.datetime(2022, 7, 10)
daterange = pd.date_range(start_date, end_date)

fig, axes = plt.subplots(nrows=1, ncols=2, figsize=(15, 5))

for single_date in daterange:
    row = dict(zip(["Time", "Sales"], [single_date, int(50 * np.random.rand(1))]))
    row_s = pd.Series(row)
    row_s.name = single_date.strftime("%b %d")
    df = df.append(row_s)


df.loc["Jul 01": "Jul 07", ["Sales"]].plot(ax=axes[0])
axes[0].set_ylim(0, 50)
axes[0].set_xlabel("Sales Date")
axes[0].set_ylabel("Sale Value")
axes[0].set_title("在轴上表示时间")
axes[0].grid()

# 标绘随时间的趋势
df.loc["Jul 01": "Jul 07", ["Sales"]].plot(ax=axes[1])

xx = np.arange(0, 10).flatten() * 1.0
yy = df["Sales"].values.flatten() * 1.0

# 下面的print用于调试，正式代码中可删除
print("xx: ", xx)
print("type(xx): ", type(xx))
print("type(xx[0]): ", type(xx[0]))
print("xx shape: ", xx.shape)
print("yy: ", yy)
print("type(yy): ", type(yy))
print("type(yy[0]): ", type(yy[0]))
print("yy shape: ", yy.shape)
# 上面的print用于调试，正式代码中可删除

z1 = np.polyfit(xx, yy, 1)
p1 = np.poly1d(z1)
plb.plot(xx, p1(xx), "m-")
axes[1].set_ylim(0, 50)
axes[1].set_xlabel("Sales Date")
axes[1].set_ylabel("Sale Value")
axes[1].set_title("标绘随时间的趋势")
axes[1].legend(["Sales", "Trend"])
axes[1].grid()

上面代码在最初运行时，并没有中间一大段print，当执行到z1 = np.polyfit(xx, yy, 1)时报错，在一大段错误信息最后，有一句“TypeError: No loop matching the specified signature and casting was found for ufunc lstsq_n” 。大致意思是：没有找到符合指定签名和特征的循环。
在查找原因的过程中，看到一篇文章【pearsonr计算相关性时报错:No loop matching the specified signature and casting was found for ufunc add】，其描述的错误现象和上面错误基本相同。于是尝试按照文章中的思路来解决，也才有了上面代码中大段的print。

注意到xx和yy不相同的地方是：xx中元素的类型是：numpy.float64，而yy中元素的类型是float，可能这就是产生错误的原因。于是把生成yy的语句由原来的yy = df["Sales"].values.flatten() * 1.0，改为yy = np.array(df["Sales"].values * 1.0, dtype="float64").flatten()，再次运行后没有报错，并绘制出相应的图形。