python - UFuncTypeError: ufunc 'subtract' 不能使用类型为 dtype('<m8[ns]') and="" dtype('float64')<="" h1=""> <div id="body"><p>当我解决这个错误时，有一些函数可以解决这个问题，ufunc 'subtract' 不能使用类型为 dtype ('<M8 [ns]') 和 dtype ('float64') 的操作数，或者该程序工作的另一种方式并给出我以下数据：</p> <p>7<a href="https://

当我解决这个错误时，有一些函数可以解决这个问题，ufunc 'subtract' 不能使用类型为 dtype ('<M8 [ns]') 和 dtype ('float64') 的操作数，或者该程序工作的另一种方式并给出我以下数据：

首页 > 解决方案 > UFuncTypeError: ufunc 'subtract' 不能使用类型为 dtype('

python - UFuncTypeError: ufunc 'subtract' 不能使用类型为 dtype('

问题描述

import pandas as pd


maint = pd.read_csv('D:/IC/teste_disseracao/banco_de_dados_PdM/PdM_maint.csv')
telemetry = pd.read_csv('D:/IC/teste_disseracao/banco_de_dados_PdM/PdM_telemetry.csv')


telemetry['datetime'] = pd.to_datetime(telemetry['datetime'], format="%Y-%m-%d %H:%M:%S")
maint['datetime'] = pd.to_datetime(maint['datetime'], format="%Y-%m-%d %H:%M:%S")

import numpy as np


#transforma o erro em coluna
comp_rep = pd.get_dummies(maint)
comp_rep.columns = ['datetime', 'machineID', 'comp1', 'comp2', 'comp3', 'comp4']

#combinar erros para uma determinada máquina em uma determinada hora 
comp_rep = comp_rep.groupby(['machineID', 'datetime']).sum().reset_index()

#adicione pontos de tempo onde nenhum componente foi substituído 
comp_rep = telemetry[['datetime', 'machineID']].merge(comp_rep,
                                                      on=['datetime', 'machineID'],
                                                      how='outer').fillna(0).sort_values(by=['machineID', 'datetime'])

components = ['comp1', 'comp2', 'comp3', 'comp4']
for comp in components:
    #converte o indicador para a data mais recente de alteração do componente 
    comp_rep.loc[comp_rep[comp] < 1, comp] = None
    comp_rep.loc[-comp_rep[comp].isnull(), comp] = comp_rep.loc[-comp_rep[comp].isnull(), 'datetime']
    
 #forward-fill a data mais recente de alteração de componente 
    comp_rep[comp] = comp_rep[comp].fillna(method='ffill')
    
#remove as datas em 2014 (pode ter NaN ou datas de mudança de componente futura)  
comp_rep = comp_rep.loc[comp_rep['datetime'] > pd.to_datetime('2015-01-01')]

for comp in components:
    comp_rep[comp] = (comp_rep['datetime'] - comp_rep[comp]) / np.timedelta64(1, 'D')
    
print(comp_rep.head())

您需要了解的第一件事是，默认情况下，案例类已经生成equals并hashCode检查所有类字段的方法（在您的情况下不仅如此，而且您的id代码name

val full: Set[User] = List(User("a", "b")).toSet ++ List(User("a", "c"))

去Set(User(a,b), User(a,c))（你有没有注意到，当你连接两个集合时，结果的确切类型是由第一个集合推断出来的？）

我想建议的第二件事是在这里使用一些哈希数据结构。对于大数据集，它可以在与两个嵌套循环进行比较时提供优势。因此，解决方案可能如下所示：

case class User(id: String, name: String)
val oldUsers =
  Seq(User("1", "Test1"), User("2", "Test2"), User("8", "Test8"), User("9", "Test9"))
val newUsers = Seq(User("1", "UpdatedTest1"), User("10", "UpdatedTest10"))

val oldAsMap = oldUsers.map(user => user.id -> user).toMap
val newAsMap = newUsers.map(user => user.id -> user).toMap

val ids = oldAsMap.keySet ++ newAsMap.keySet

val result = ids.map(id => newAsMap.getOrElse(id, oldAsMap(id))).toSeq

标签： pythonpandasnumpymachine-learning

解决方案

试试这个，它对我有用：

for comp in components:
    comp_rep[comp] = (comp_rep["datetime"] - pd.to_datetime(comp_rep[comp])) / np.timedelta64(1, "D") comp_rep.head()

问题描述

解决方案

推荐阅读