• [我会把这个作为注解，但考虑到长度，我不能]* 我不觉得有足够的信息，我来帮助你解决这个问题，在你的地方，我会添加这个，以确保我理解为什么代码失败，并在同一时间继续完成它的过程。这样，你就可以工作的文件，失败和纠正你的脚本，同时仍然得到结果。

root = tk.Tk()
root.withdraw()

file_path = filedialog.askopenfilename()

# Load Spreadsheet data
f = open(file_path)

csv_f = csv.reader(f)
next(csv_f)

result_data = []

# Iterate
for row in csv_f:
    try:
       return_data = function.get_data(row[1], row[0])
       if len(return_data) != 0:
          # print(return_data)
          result_data_loc = [row[1], row[0]]
          result_data_loc.extend(return_data)
          result_data.append(result_data_loc)
    except AttributeError:
          print(row[0])
          print('\n\n')
          print(row[1])
          continue

if result_data is not None:
    with open('resuls.csv', mode='w', newline='') as result_file:
        csv_writer = csv.writer(result_file, delimiter=',', quotechar='"', quoting=csv.QUOTE_MINIMAL)
        for result in result_data:
            # print(result)
            csv_writer.writerow(result)
else:
    print("No results found!")

字符串

因此，根据追溯（谢天谢地，我们不必要求），错误发生在：

np.nanmean(illiq)

字符串
在这里，它试图调整返回值以匹配输入的dtype，可能是illiq。（查看其代码）它已对输入求和（在移除nan之后），tot，假设illiq是一个数字numpy数组（最好是float dtype，因为它必须处理浮点数np.nan）。
所以它在大多数情况下都能工作，但在某些情况下会失败。在这些情况下，illiq有什么不同？

p = np.array(stock_data['Adj. Close'])
returns = np.array(stock_data['Adj. Close'].pct_change())
dollar_volume = np.array(stock_data['Volume'] * p)
illiq = (np.divide(returns, dollar_volume))

型
看起来stock_data是一个dataframe，输入是从单个series派生的数组。我相信stock_data[name].to_num()是从Series中获取数组的首选方式，尽管np.array(...)可能在大多数情况下都能工作。stock_data[name].values也被使用过。
我建议在这次调用之前对illiq进行一些测试。至少检查shape和dtype。尝试识别问题案例中的不同之处。
下面是一个产生此错误的简单案例：

In [117]: np.nanmean(np.array([0,3],object))                                                                 
---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-117-26ab42d92ec9> in <module>
----> 1 np.nanmean(np.array([0,3],object))

<__array_function__ internals> in nanmean(*args, **kwargs)

/usr/local/lib/python3.6/dist-packages/numpy/lib/nanfunctions.py in nanmean(a, axis, dtype, out, keepdims)
    949     cnt = np.sum(~mask, axis=axis, dtype=np.intp, keepdims=keepdims)
    950     tot = np.sum(arr, axis=axis, dtype=dtype, out=out, keepdims=keepdims)
--> 951     avg = _divide_by_count(tot, cnt, out=out)
    952 
    953     isbad = (cnt == 0)

/usr/local/lib/python3.6/dist-packages/numpy/lib/nanfunctions.py in _divide_by_count(a, b, out)
    216         else:
    217             if out is None:
--> 218                 return a.dtype.type(a / b)
    219             else:
    220                 # This is questionable, but currently a numpy scalar can

AttributeError: 'int' object has no attribute 'dtype'

型
pandas经常在一个或多个值不是有效数字时创建对象dtype Series。这可以包括字符串和None值。

简单的答案是，你的数据不是numpy数据类型。这可能是因为列不是完全数字的（即包含None或其他）。
简短的解决方案：

print(np.nanmean(pd.to_numeric(illiq)))

字符串
解决这个问题的最快方法是简单地将数据强制转换为numpy喜欢的数值类型。这可以通过pandas的to_numeric方法完成。