在 Python 中合并和转置列会导致 TypeError: '>' not supported between 'int' and 'datetime.datetime'

Question

我将给出我尝试合并/转置的两个数据帧 Search_Exits 和 Page_Exits 以及我正在使用的代码的最小样本。

Search_Exits

Search_Term    No._of_Searches_before     %_Search_Exits_before
hello           10                        .070
goodbye         100                       .030



Page_Exits

Search_Term    Exit_Pages_actual          Ratios
hello          /store/car                 0.30
hello          /store/b2b                 0.30
hello          /store/catalog/product/12  0.40
goodbye        /store/car                 1.00

我想在这里看到的结果是：

Search_Term    No._of_Searches_before  %_Search_Exits_before   /store/car /store/catalog/product12 /store/catalog/product23   /store/b2b

hello          10                    .070                       0.30             0.40                       0.00                        0.30   
goodbye        100                   .030                       1.00             0.00                       0.00                        0.00

我已经尝试了这个 stackoverflow 问题的答案中给出的所有 3 个版本：How to merge two tables and transpose rows to columns，但得到了所有这些版本的相同错误消息，我尝试了以下操作：

version 1

df = Search_Exits.merge(Page_Exits.groupby('Search_Term')['Exit_Pages_actual'].apply(lambda x: x.reset_index(drop=True)).unstack().reset_index())

version 2

Search_Exits.merge(Page_Exits.pivot_table(index='Search_Term', values='Ratios',columns='Exit_Pages_actual' + Page_Exits.groupby(['Search_Term'])['Exit_Pages_actual'].cumcount().astype(str)).reset_index())

version 3

(Search_Exits.set_index('Search_Term').join(Page_Exits.groupby('Search_Term')['Ratios'].apply(lambda x: x.tolist()).apply(pd.Series)).reset_index()) 

这三个都给我以下错误，所以我不知道该怎么办，如果有人可以帮忙：

TypeError: '>' not supported between instances of 'int' and 
'datetime.datetime'

更新：

所以我尝试在我自己创建的模拟数据集上做同样的事情，但我不再收到错误消息（所以我想我不知道是什么导致了数据中的问题）但是我有两件事目前的发生方式与我希望它们发生的方式不同。首先，新生成的列没有被标记为我希望它们被标记为的相应“Exit_Pages_actual”。其次，每一列并不代表应该只归因于那个特定的“Exit_Pages_actual”的比率，所以我想知道我应该如何处理代码来改变它，让它像我想要的那样工作？目前，对于我的新数据集，其余部分大致如下：

Search_Term    No._of_Searches_before  %_Search_Exits_before  0    1    2  3 

hello          10                     .07                    0.3   0.3  0.4 NaN                                       
goodbye        100                    .03                    NaN   1.0  NaN   

NaN

Answer 1

实际上，看起来我已经用数据透视表找到了我想要的东西：

Page_Exits = Page_Exits.pivot(index='Search_Term', 
columns='Exit_Pages_actual', values='Ratios').reset_index()

然后使用 pd.merge.... 进行常规合并。