pandas按IMO分组计算船舶抵离港时间间隔的报错解决方案

报错原因分析 #

• 你代码中的if (df['State'] == "Sailing")逻辑错误：df['State'] == "Sailing"返回的是一整列布尔值（布尔Series），而if判断仅支持接收单个布尔值，系统无法判定一整列布尔值的整体真假，因此抛出ValueError: The truth value of a Series is ambiguous错误。
• 现有逻辑未按IMO号分组，会出现跨船舶计算时间间隔的问题，导致结果错误。
• 缺失Datetime列的类型转换步骤，字符串格式的时间无法直接做差值计算。

正确实现代码 #

import pandas as pd

# 第一步：数据预处理，将时间列转为datetime类型
# 注意时间格式为日/月/年 时:分，显式指定format避免解析错误
data['Datetime'] = pd.to_datetime(data['Datetime'], format='%d/%m/%Y %H:%M')

# 第二步：按IMO分组计算停留时长
def calc_dwell(group):
    # 分组内按时间排序，确保抵港记录在前、离港在后
    group = group.sort_values('Datetime').reset_index(drop=True)
    # 计算当前行与上一行的时间差
    group['timedelta'] = group['Datetime'] - group['Datetime'].shift(1)
    # 仅将离港行的时间差赋值给Time_int，转成HH:MM:SS格式，抵港行留空
    group.loc[group['State'] == 'Sailing', 'Time_int'] = group['timedelta'].dt.floor('s').astype(str).str.split().str[-1]
    # 如果你需要的是小时数值（如18.13），可以替换成下面的代码
    # group.loc[group['State'] == 'Sailing', 'Time_int'] = group['timedelta'].dt.total_seconds() / 3600
    # 删掉临时计算列
    group = group.drop(columns=['timedelta'])
    return group

# 应用分组函数
data = data.groupby('IMO', group_keys=False).apply(calc_dwell)

# 查看结果
print(data)

代码说明 #

• 按IMO字段分组，确保仅在同一船舶的记录内计算时间间隔，不会跨船统计
• 分组内先按时间排序，避免记录顺序错乱导致的差值计算错误
• 仅对State为Sailing的行赋值时间间隔，默认输出格式为HH:MM:SS，如果需要其他格式可以替换对应行的代码

内容的提问来源于stack exchange，提问作者Supriya Naik