如何计算4小时时间跨度内平均完成的骑行订单数？Pandas代码调试求助

先帮你梳理下当前遇到的核心问题，再给出清晰的实现步骤：

问题1：方案1的报错根源 #

你碰到的Dataframe object has no attribute dropoff_date_time错误，是因为你的数据集列名是ride_completion_time，但代码里误用了不存在的dropoff_date_time（从你给出的dtypes来看，可能你实际列名是dropoff_datetime？这里一定要保证列名完全一致）。另外，mean()方法对ride_id（object类型）没有意义——你需要的是统计订单数量而非求均值。

问题2：方案2的求和/均值失效原因 #

方案2里用sum()对ride_id（字符串类型）求和完全无效，因为字符串无法直接做求和运算；而且pandas里没有average方法，正确的均值方法是mean()，但前提是你得先拿到分组后的有效订单计数。

正确的实现步骤 #

假设你的时间列实际名为ride_completion_time（如果是dropoff_datetime，替换成对应列名即可），按以下步骤操作：

1. 按4小时时间窗口分组，统计每个窗口的订单数量 #

用dt.floor('4H')把时间向下取整到最近的4小时整点，然后对ride_id进行计数（每个ride_id对应一个独立订单）：

# 按4小时时间窗口分组，统计每组的订单数量
hourly_order_counts = df3.groupby(df3['ride_completion_time'].dt.floor('4H'))['ride_id'].count()

执行后会得到一个Series：索引是4小时间隔的时间戳，值是对应时间段内的订单数。

2. 计算分组订单数的平均值 #

拿到每个4小时窗口的订单数后，直接用mean()计算平均值，这就是你要的“4小时时间跨度内平均完成的骑行订单数量”：

avg_4h_rides = hourly_order_counts.mean()
print(f"4小时跨度内平均完成的骑行订单数：{avg_4h_rides}")

补充：查看每个4小时窗口的具体订单数 #

直接打印hourly_order_counts就能看到各时间段的订单分布，比如你的示例数据会输出：

ride_completion_time
2022-08-23 16:00:00    1
2022-08-24 04:00:00    1
2022-08-27 00:00:00    2
2022-08-28 20:00:00    1
Name: ride_id, dtype: int64

对应的平均值就是(1+1+2+1)/4 = 1.25。

最后提醒：你的数据集列名（ride_completion_time）和dtypes输出的列名（dropoff_datetime）不一致，一定要先确认实际列名，避免因名称不匹配导致的报错。

内容的提问来源于stack exchange，提问作者Maggie Liu