MergeError:不兼容的合并dtype，dtype('O')和dtype('O')，双方都必须有数字dtype。

Question

我需要输出一个列，该列将指示每个用户(user_id)的第二个事件的时间。该列应该与列‘second_event’相同。我创建了一个新的DataFrame，其中添加了每个用户的所有第二个事件。然后，我向同一个DataFrame添加了一个列，其中添加了每个用户的第二个事件的时间。然后，我根据'time‘列对它们进行排序，并使用merge_asof方法组合它们。我得到一个错误: MergeError:不兼容的合并dtype，dtype('O')和dtype('O')，双方都必须有数字dtype。你能告诉我如何在我的情况下纠正错误吗？

这是我的密码

import pandas as pd
data = pd.read_csv('file_path')
sessions_start_user = data[data['events_ordinal_number'] == 2]
sessions_start_user['second_time'] = sessions_start_user['time']
data = data.sort_values('time')
sessions_start_user = sessions_start_user.sort_values('time')
data = pd.merge_asof(data,sessions_start_user[['time','user_id','second_time']],on='time',by='user_id')

这是我原始数据框架(数据)的一部分。

    Unnamed: 0  time                user_id type        amount  target  feature1    feature2    events_ordinal_number   second_event_time   loan_ordinal_number events_time_diff    previous_loans_max_amount
0      0        2001-01-01 00:00:00 114     loanRequest 14651   NaN        1            1       1                       2001-01-25 05:00:00     1                   NaN              NaN
1      1        2001-01-01 01:00:00 199     loanRequest 13398   NaN        0            0       1                       2001-01-08 01:00:00     1                   NaN              NaN
2      2        2001-01-01 02:00:00 717     loanRequest 14525   NaN        0            0       1                       2001-01-09 16:00:00     1      .            NaN              NaN
3      3        2001-01-01 03:00:00 66      loan        14437   1.0        1            1       1                       2001-03-27 17:00:00     1                   NaN              NaN
4      4        2001-01-01 04:00:00 584     loanRequest 15861   NaN        1            0       1                       2001-01-05 10:00:00     1                   NaN              NaN

这是其中一个用户的数据显示的一部分，在"events_ordinal_number“列中指示每个用户的所有事件的序列号。

    Unnamed: 0  time                user_id type       amount   target  feature1    feature2    events_ordinal_number   second_event_time   loan_ordinal_number events_time_diff    previous_loans_max_amount
0   0           2001-01-01 00:00:00 114     loanRequest 14651   NaN        1            1           1                   2001-01-25 05:00:00    1                NaN                         NaN
581 581         2001-01-25 05:00:00 114     loanRequest 13611   NaN        1            0           2                   2001-01-25 05:00:00    1                24 days 05:00:00            NaN
624 624         2001-01-27 00:00:00 114     loanRequest 14515   NaN        1            0           3                   2001-01-25 05:00:00    1                1 days 19:00:00             NaN

我也这样做，索引被调整到正确的顺序，但是错误仍然存在：

sessions_start_user=pd.concat([sessions_start_user, sessions_start_user.reset_index(drop=True, inplace=True)], axis=1)

谢谢。

Answer 1

您应该首先将time列转换为日期时间-- pd.merge_asof不适用于字符串列。来自文档

on:要加入的字段名。必须在两个DataFrames中找到。必须对数据进行排序。此外，这必须是一个数值列，如datetimelike、整型或浮点数。

添加

data["time"] = pd.to_datetime(data["time"])

到了你的脚本开始的时候就应该做到这一点。