Python将数据帧条件计数与日期时间比较条件相结合 背景

我有两个数据帧。第一个是df_player_snapshot_master，它具有锦标赛中不同时间的单个扑克玩家的快照数据，如下所示：

    snapshotDateTime            playerID    deactivationRecord
0   2021-05-06 09:28:24.987995  1679613     False
1   2021-05-06 09:28:24.987995  2660567     False
2   2021-05-06 09:28:24.987995  2668394     False
3   2021-05-06 09:28:24.987995  2280604     False
4   2021-05-06 09:28:24.987995  2018271     False

    intervalStartDateTime       intervalEndDateTime         playersDeactivatedThisInterval
0   2021-05-06 09:28:24.987995  2021-05-06 09:28:38.605930  NaN
1   2021-05-06 09:28:38.605930  2021-05-06 09:28:47.860595  NaN
2   2021-05-06 09:28:47.860595  2021-05-06 09:28:57.187734  NaN
3   2021-05-06 09:28:57.187734  2021-05-06 09:29:07.187734  NaN

第二个数据帧，

df_tourbance_summary_master

，通过快照在锦标赛级别汇总此数据，如下所示：

    snapshotDateTime            playerID    deactivationRecord
0   2021-05-06 09:28:24.987995  1679613     False
1   2021-05-06 09:28:24.987995  2660567     False
2   2021-05-06 09:28:24.987995  2668394     False
3   2021-05-06 09:28:24.987995  2280604     False
4   2021-05-06 09:28:24.987995  2018271     False

    intervalStartDateTime       intervalEndDateTime         playersDeactivatedThisInterval
0   2021-05-06 09:28:24.987995  2021-05-06 09:28:38.605930  NaN
1   2021-05-06 09:28:38.605930  2021-05-06 09:28:47.860595  NaN
2   2021-05-06 09:28:47.860595  2021-05-06 09:28:57.187734  NaN
3   2021-05-06 09:28:57.187734  2021-05-06 09:29:07.187734  NaN

我的目标是通过计算

df_玩家_快照_master

中的记录数来填充

df_锦标赛_摘要_master['players disactivatedthis interval']

，其中

df_玩家_快照_master['snapshotDateTime']

等于

df_锦标赛_摘要_master['intervalStartDateTime']

和

df_player_snapshot_master['deactivationRecord']

为

真
。所以本质上是一个COUNTIFS练习，在两个数据帧之间，有多个条件

我试过的
我将解决方案转化为我的情况，结果产生了以下代码：

tournament_info = df_tournament_summary_master[['intervalStartDateTime']].values

deacs = []

for iSDT in tournament_info:
    deacs.append(len(df_player_snapshot_master[(df_player_snapshot_master['snapshotDateTime']==iSDT) &
                                  (df_player_snapshot_master['deactivationRecord']==True)])
                          )

df_tournament_summary_master['playersDeactivatedThisInterval'] = deacs

但它不断抛出一个错误：

ValueError: ('Lengths must match to compare', (332,), (1,))

我为代码建模的文章确实提到了转换为日期时间的需要，这似乎是个问题，但当我检查两个数据帧/系列的类型时，它们似乎都已经是日期时间了：

In:
display(tournament_info)

Out:
array([['2021-05-06T09:28:24.987995000'],
       ['2021-05-06T09:28:38.605930000'],
       ['2021-05-06T09:28:47.860595000'],
       ['2021-05-06T09:28:57.187734000']], dtype='datetime64[ns]')

In:
df_player_snapshot_master.dtypes

Out:
snapshotDateTime           datetime64[ns]
playerID                           object
deactivationRecord                   bool
dtype: object

当然，我看过其他通过比较日期来过滤数据帧的帖子，它们似乎都使用了不同于我想使用的
for
循环的解决方案，所以我不确定如何重新定位和调整它们的建议

问题
是什么导致我得到的ValueError
如何使用日期比较条件使用条件计数填充
df\u锦标赛\u摘要\u主控['playersDeactivatedThisInterval']
您可以通过在
snapshotDateTime
上的
groupby
之后计算
deactivationRecord
的
总和，然后合并数据帧来完成此操作。示例数据的结果并不令人兴奋，但它应该可以工作：

time_groups = df_player_snapshot_master.groupby('snapshotDateTime')['deactivationRecord'].sum()
df = pd.merge(df_tournament_summary_master, time_groups, how='left', left_on=['intervalStartDateTime'], right_on=['snapshotDateTime'])
df = df.drop(['playersDeactivatedThisInterval'], axis = 1).rename(columns={"deactivationRecord": "playersDeactivatedThisInterval"})

结果:

间隔开始日期时间
间隔日期时间
球员们取消了本次中场休息
0
2021-05-06 09:28:24.987995
2021-05-06 09:28:38.605930
0
1.
2021-05-06 09:28:38.605930
2021-05-06 09:28:47.860595
楠
2.
2021-05-06 09:28:47.860595
2021-05-06 09:28:57.187734
楠
3.
2021-05-06 09:28:57.187734
2021-05-06 09:29:07.187734
楠
谢谢你的回答。这确实解决了问题。我还有其他类似的应用程序，虽然我正在进行条件计数，但不确定如何将其推广到一个条件、三个条件，或者当这些条件具有非布尔数据类型时。这就是为什么我引用的链接中的
for
循环格式如此吸引人的原因。这是否容易推广到其他类似场景？