Python 大熊猫时间序列预测中的日期时间问题

试图用python实现时间序列预测模型，但面临日期时间数据的问题

因此，我有一个数据帧'df'，有两列datetime和float类型：

然后我尝试使用values方法构建一个数组。但是smth奇怪发生了，它以奇怪的格式显示日期，带有时间戳和时间：

基本上因为它，我不能实现接收以下消息的模型，例如：“不能在没有freq的情况下向Timestamp添加整数值。”

---

那么问题是什么？如何解决呢？

您可以将整数转换为

时间增量

，然后像以前一样进行计算：

from datetime import timedelta

interval = timedelta(days = 5)

#5 days later
time_stamp += interval

这很复杂

首先，在创建

numpy

数组时，所有类型都是相同的。但是，

datetime64

与

int

不同。所以我们必须解决这个问题，我们会的

其次，您尝试使用

df.values

来执行此操作。然而，有意义的是，

pandas

将整个

df

放入

dtype=object

然后放入

对象

数组。问题是，

时间戳

被保留为

时间戳

，这会妨碍您的工作

所以我会自己把它们变成这样

a = np.column_stack([df[c].values.astype(int) for c in ['transaction_date', 'amount']])

a

array([[1454284800000000000,                   1],
       [1454371200000000000,                   2],
       [1454457600000000000,                   3],
       [1454544000000000000,                   4],
       [1454630400000000000,                   5]])

a[:, 0].astype(df.transaction_date.values.dtype)

array(['2016-02-01T00:00:00.000000000', '2016-02-02T00:00:00.000000000',
       '2016-02-03T00:00:00.000000000', '2016-02-04T00:00:00.000000000',
       '2016-02-05T00:00:00.000000000'], dtype='datetime64[ns]')

我们总是可以像这样转换背面的第一列

a = np.column_stack([df[c].values.astype(int) for c in ['transaction_date', 'amount']])

a

array([[1454284800000000000,                   1],
       [1454371200000000000,                   2],
       [1454457600000000000,                   3],
       [1454544000000000000,                   4],
       [1454630400000000000,                   5]])

a[:, 0].astype(df.transaction_date.values.dtype)

array(['2016-02-01T00:00:00.000000000', '2016-02-02T00:00:00.000000000',
       '2016-02-03T00:00:00.000000000', '2016-02-04T00:00:00.000000000',
       '2016-02-05T00:00:00.000000000'], dtype='datetime64[ns]')

---

请提供真实数据。照片没用