TypeError: nicht unterstützte Operandentypen für -: 'str' und 'str' in Python 3.x Anaconda

Question

Ich versuche einige Instanzen pro Stunde in einem großen Dataset zu zählen. Der folgende Code scheint auf Python 2.7 gut zu funktionieren, aber ich musste es mit allen aktualisierten Paketen auf Anaconda auf die neueste Version von Python aktualisieren. Wenn ich versuche, das Programm erhalte ich folgende str Fehler

Code auszuführen:

import pandas as pd 
from datetime import datetime,time 
import numpy as np 

fn = r'00_input.csv' 
cols = ['UserId', 'UserMAC', 'HotspotID', 'StartTime', 'StopTime'] 
df = pd.read_csv(fn, header=None, names=cols) 

df['m'] = df.StopTime + df.StartTime 
df['d'] = df.StopTime - df.StartTime 

# 'start' and 'end' for the reporting DF: `r` 
# which will contain equal intervals (1 hour in this case) 
start = pd.to_datetime(df.StartTime.min(), unit='s').date() 
end = pd.to_datetime(df.StopTime.max(), unit='s').date() + pd.Timedelta(days=1) 

# building reporting DF: `r` 
freq = '1H' # 1 Hour frequency 
idx = pd.date_range(start, end, freq=freq) 
r = pd.DataFrame(index=idx) 
r['start'] = (r.index - pd.datetime(1970,1,1)).total_seconds().astype(np.int64) 

# 1 hour in seconds, minus one second (so that we will not count it twice) 
interval = 60*60 - 1 

r['LogCount'] = 0 
r['UniqueIDCount'] = 0 

for i, row in r.iterrows(): 
     # intervals overlap test 
     # https://en.wikipedia.org/wiki/Interval_tree#Overlap_test 
     # i've slightly simplified the calculations of m and d 
     # by getting rid of division by 2, 
     # because it can be done eliminating common terms 
    u = df[np.abs(df.m - 2*row.start - interval) < df.d + interval].UserID 
    r.ix[i, ['LogCount', 'UniqueIDCount']] = [len(u), u.nunique()] 

r['Date'] = pd.to_datetime(r.start, unit='s').dt.date 
r['Day'] = pd.to_datetime(r.start, unit='s').dt.weekday_name.str[:3] 
r['StartTime'] = pd.to_datetime(r.start, unit='s').dt.time 
r['EndTime'] = pd.to_datetime(r.start + interval + 1, unit='s').dt.time 

#r.to_csv('results.csv', index=False) 
#print(r[r.LogCount > 0]) 
#print (r['StartTime'], r['EndTime'], r['Day'], r['LogCount'], r['UniqueIDCount']) 

rout = r[['Date', 'StartTime', 'EndTime', 'Day', 'LogCount', 'UniqueIDCount'] ] 
#print rout 
rout.to_csv('o_1_hour.csv', index=False, header=False 

)

Wo finde ich Änderungen vornehmen eine fehlerfreie Ausführung

Fehler zu erhalten:

File "C:\Program Files\Anaconda3\lib\site-packages\pandas\core\ops.py", line 686, in <lambda> 
    lambda x: op(x, rvalues)) 

TypeError: unsupported operand type(s) for -: 'str' and 'str' 

Schätzen Sie die Hilfe, Vielen Dank im Voraus

Answer 1

Ich denke, dass Sie ändern müssen header=0 für erste Zeile in Kopfzeile auswählen - dann Spaltennamen werden durch Liste ersetzt cols.

Wenn immer noch Probleme, müssen to_numeric, weil einige Werte in StartTime und StopTime Strings sind, die NaN analysiert werden, ersetzen durch 0 eine letzte convert Spalte int:

cols = ['UserId', 'UserMAC', 'HotspotID', 'StartTime', 'StopTime'] 
df = pd.read_csv('canada_mini_unixtime.csv', header=0, names=cols) 
#print (df) 

df['StartTime'] = pd.to_numeric(df['StartTime'], errors='coerce').fillna(0).astype(int) 
df['StopTime'] = pd.to_numeric(df['StopTime'], errors='coerce').fillna(0).astype(int) 

Keine Änderung:

df['m'] = df.StopTime + df.StartTime 
df['d'] = df.StopTime - df.StartTime 
start = pd.to_datetime(df.StartTime.min(), unit='s').date() 
end = pd.to_datetime(df.StopTime.max(), unit='s').date() + pd.Timedelta(days=1) 

freq = '1H' # 1 Hour frequency 
idx = pd.date_range(start, end, freq=freq) 
r = pd.DataFrame(index=idx) 
r['start'] = (r.index - pd.datetime(1970,1,1)).total_seconds().astype(np.int64) 

# 1 hour in seconds, minus one second (so that we will not count it twice) 
interval = 60*60 - 1 

r['LogCount'] = 0 
r['UniqueIDCount'] = 0 

ix ist in der letzten Version von Pandas veraltet, so verwenden Sie loc und Spaltenname ist in []:

for i, row in r.iterrows(): 
     # intervals overlap test 
     # https://en.wikipedia.org/wiki/Interval_tree#Overlap_test 
     # i've slightly simplified the calculations of m and d 
     # by getting rid of division by 2, 
     # because it can be done eliminating common terms 
    u = df.loc[np.abs(df.m - 2*row.start - interval) < df.d + interval, 'UserId'] 
    r.loc[i, ['LogCount', 'UniqueIDCount']] = [len(u), u.nunique()] 

r['Date'] = pd.to_datetime(r.start, unit='s').dt.date 
r['Day'] = pd.to_datetime(r.start, unit='s').dt.weekday_name.str[:3] 
r['StartTime'] = pd.to_datetime(r.start, unit='s').dt.time 
r['EndTime'] = pd.to_datetime(r.start + interval + 1, unit='s').dt.time 

print (r) 

Answer 2

df['d'] = df.StopTime - df.StartTime versucht, eine Zeichenfolge von einer anderen Zeichenfolge zu subtrahieren. Ich weiß nicht, wie Ihre Daten aussehen, aber wahrscheinlich möchten Sie StopTime und StartTime als Daten analysieren. Versuchen Sie

df = pd.read_csv(fn, header=None, names=cols, parse_dates=[3,4]) 

anstelle von df = pd.read_csv(fn, header=None, names=cols).