Question

Noobie在这里，所以请多多包涵。我会尽量简化。

我有两个数据框：

df2：每个人，到达者到我们商店的时间，离开者离开我们商店的时间的唯一visit number组成

df1：是visit numbers的{{1}}的子集（以及不在df2中的其他数据）。

df2中的每个visit number都位于df1中，但事实并非如此。

我需要做的是：对于df2中的每个visit number，确定来自df1的人员到达时共有多少人。

我对这个问题的思考方式如下（我在下面提供了一些代码）： 1.遍历df1 2.从df1中取出visit ID 3.将此df1应用于visit ID以获取该人的到达时间 4.使用该到达时间创建一个df2 5.将mask应用于mask，然后仅计算行数

df2

但是，当我运行这段代码时，我得到一个错误：

for index, row in df1.iterrows():
    visit_id = row['ID_number']
    df2row = df2[(df2['ID_number'] == visit_id
    arrival_time = df2row['Arrival_Date/Time']
    mask = (df2['Arrv Date/Time'] < arrival_time) & (df2['Disch 
    Date/Time'] > arrival_time)
    total_customers = len(df2.loc(mask))

这与我创建的ValueError: Can only compare identically-labeled Series objects有关。

我已经做了一些搜索，看来这个错误与什么有关？索引？但我似乎无法使我的代码正常工作。我尝试了其他几个线程中的建议，但无济于事。

任何建议或其他考虑此问题的方法将不胜感激！！！！

谢谢

菜鸟

Answer 1

问题在于arrival_time是Series：

1    1
Name: Arrival_Date/Time, dtype: int64

假设df2row是唯一的，则可以使用.iloc提取值。最后一行还有一个问题...您应该使用iloc[]而不是iloc()，或者按照@bubble的建议，使用mask.sum()：

for index, row in df1.iterrows():
    visit_id = row['ID_number']
    df2row = df2[(df2['ID_number'] == visit_id)]
    arrival_time = df2row['Arrival_Date/Time'].iloc[0]
    mask = (df2['Arrival_Date/Time'] < arrival_time) & (df2['Disch Date/Time'] > arrival_time)
    total_customers = len(df2.loc(mask))

如何计算两个日期/时间之间的实例数

1 个答案: