Python ValueError:Units'；M'；和'；Y'；不再支持，因为它们不表示明确的timedelta值持续时间

我最近将代码从Python 3.3升级到了Python 3.7，它当前抛出了一个错误，它说：

ValueError：不再支持单位“M”和“Y”，因为它们不代表明确的时间增量值持续时间

这是令人费解的，因为代码在升级之前运行良好

下面是代码中有问题的部分：

df['date\u modified']=（df['date\u variable']-pd.to\u timedelta（df['years\u variable']，unit='Y'））.dt.date

以下是完整的代码：

将熊猫作为pd导入
将numpy作为np导入
idx=[np.数组（['Jan-18'，'Jan-18'，'Feb-18'，'Mar-18'，'Mar-18'，'Mar-18'，'Mar-18'，'Apr-18'，'May-18'，'Jun-18'，'Jun-18'，'Jun-18'，'Jul-18'，'Aug-18'，'Sep-18'，'Sep-18'，'Oct-18'，'Oct-18'，'Nov-18'，'Dec-18'，]），np数组([‘A’、‘B’、‘B’、‘A’、‘B’、‘C’、‘A’、‘B’、‘C’、‘A’、‘B’、‘C’、‘A’、‘B’、‘C’、‘A’、‘B’、‘C’）]
数据=[{'years\'u variable'：1}，{'years\'u variable'：5}，{'years\'u variable'：3}，{'years\'u variable'：1}，{'years\'u variable'：6}，{'years\'u variable'：3}，{'years\'u variable'：5}，{'years\'u variable'：2}，{'years\'variable'：3}，{'years\'years\'u variable'：3}，{'years\'，{'years_variable'：2}，{'years_variable'：7}，{'years_variable'：3}，{'years_variable'：6}，{'years_variable'：8}，{'years_variable'：2}，{'years_variable'：7}，{'years_variable'：9}]
df=pd.DataFrame（数据，索引=idx，列=['years\u variable']）
index.names=['date\u variable'，'type']
df=df.reset_index（）
df['date_variable']=pd.to_datetime（df['date_variable']，格式='%b-%y'）#http://strftime.org/
df=df.set_索引（['date_variable'，'type']）
df=df.reset_index（）
打印（df）
df['date\u modified']=（df['date\u variable']-pd.to\u timedelta（df['years\u variable']，unit='Y'））.dt.date

这不是Python的问题，而是与熊猫有关的问题

在版本0.25.0中，库不再支持在timedelta函数中使用单位

“M”

（月）

“Y”

（年）

这特别影响熊猫.to_timedelta（）、

pandas.timedelta（）

和

pandas.TimedeltaIndex（）

您可以用它们的等效天数来指定它们

您将不得不重写代码，以利用几天而不是几年（和几个月）

---

这是到的链接，这是到的链接

---

更新：下面是对代码的最新修改

这对原始代码的更改比其后面的代码块少：

将熊猫作为pd导入
将numpy作为np导入
idx=[np.数组（['Jan-18'，'Jan-18'，'Feb-18'，'Mar-18'，'Mar-18'，'Mar-18'，'Mar-18'，'Apr-18'，'May-18'，'Jun-18'，'Jun-18'，'Jun-18'，'Jul-18'，'Aug-18'，'Sep-18'，'Sep-18'，'Oct-18'，'Oct-18'，'Nov-18'，'Dec-18'，]），np数组([‘A’、‘B’、‘B’、‘A’、‘B’、‘C’、‘A’、‘B’、‘C’、‘A’、‘B’、‘C’、‘A’、‘B’、‘C’、‘A’、‘B’、‘C’）]
数据=[{'years\'u variable'：1}，{'years\'u variable'：5}，{'years\'u variable'：3}，{'years\'u variable'：1}，{'years\'u variable'：6}，{'years\'u variable'：3}，{'years\'u variable'：5}，{'years\'u variable'：2}，{'years\'variable'：3}，{'years\'years\'u variable'：3}，{'years\'，{'years_variable'：2}，{'years_variable'：7}，{'years_variable'：3}，{'years_variable'：6}，{'years_variable'：8}，{'years_variable'：2}，{'years_variable'：7}，{'years_variable'：9}]
df=pd.DataFrame（数据，索引=idx，列=['years\u variable']）
index.names=['date\u variable'，'type']
df=df.reset_index（）
df['date_variable']=pd.to_datetime（df['date_variable']，格式='%b-%y'）#http://strftime.org/
df=df.set_索引（['date_variable'，'type']）
df=df.reset_index（）
#这就是我们所接触到的一切
#将“年份变量”列下的值乘以365
#获取天数
#使用时间增量中的“D”单位，表示它实际上是以天为单位的
df['date\u modified']=（df['date\u variable']-pd.to\u timedelta（df['years\u variable']*365，单位='D'））.dt.date
打印（df）

输出

   date_variable type  years_variable date_modified
0     2018-01-01    A               1    2017-01-01
1     2018-01-01    B               5    2013-01-02
2     2018-02-01    B               3    2015-02-02
3     2018-03-01    A               2    2016-03-01
4     2018-03-01    B               7    2011-03-03
5     2018-03-01    C               3    2015-03-02
6     2018-04-01    A               1    2017-04-01
7     2018-04-01    B               6    2012-04-02
8     2018-05-01    B               3    2015-05-02
9     2018-06-01    A               5    2013-06-02
10    2018-06-01    B               2    2016-06-01
11    2018-06-01    C               3    2015-06-02
12    2018-07-01    A               1    2017-07-01
13    2018-08-01    B               9    2009-08-03
14    2018-08-01    C               3    2015-08-02
15    2018-09-01    A               2    2016-09-01
16    2018-09-01    B               7    2011-09-03
17    2018-10-01    C               3    2015-10-02
18    2018-10-01    A               6    2012-10-02
19    2018-10-01    B               8    2010-10-03
20    2018-11-01    A               2    2016-11-01
21    2018-12-01    B               7    2011-12-03
22    2018-12-01    C               9    2009-12-03

---

这里是对您的代码的一个较旧的修改，它可能适合您

你应该完全忽略它。我只是出于历史目的保留它

将熊猫作为pd导入
将numpy作为np导入
idx=[np.数组（['Jan-18'，'Jan-18'，'Feb-18'，'Mar-18'，'Mar-18'，'Mar-18'，'Mar-18'，'Apr-18'，'May-18'，'Jun-18'，'Jun-18'，'Jun-18'，'Jul-18'，'Aug-18'，'Sep-18'，'Sep-18'，'Oct-18'，'Oct-18'，'Nov-18'，'Dec-18'，]），np数组([‘A’、‘B’、‘B’、‘A’、‘B’、‘C’、‘A’、‘B’、‘C’、‘A’、‘B’、‘C’、‘A’、‘B’、‘C’、‘A’、‘B’、‘C’）]
#将内部目录的值从年转换为天
#因为我们将在'timedelta'函数中指定'D'单位
#与我们以前使用的现在不推荐使用的“Y”单位不同
数据=[{'years'u variable'：365}，{'years'u variable'：1825}，{'years'u variable'：1095}，{'years'u variable'：2555}，{'years'u variable'：1095}，{'years'u variable'：2190}，{'years'u variable'：1095}，{'years'years'u variable'：1825}，{'years'u variable'：730}，{'years'u'：1095}，{'years'u'：365}，{'years'u variable:3285}，{'years'u variable:1095}，{'years'u variable:730}，{'years'u variable:2555}，{'years'u variable:1095}，{'years'u variable:2190}，{'years'u variable:2920}，{'years'u variable:730}，{'years'u variable:2555}，{'years'u variable:3285}]
df=pd.DataFrame（数据，索引=idx，列=['years\u variable']）
index.names=['date\u variable'，'type']
df=df.reset_index（）
df['date_variable']=pd.to_datetime（df['date_variable']，格式='%b-%y'）#http://strftime.org/
df=df.set_