Python 错误：尝试转换格式为2012年2月10日上午9:00:00的日期时，单位缩写无效：/

我正在使用pandas使用以下代码将包含日期和时间的列转换为秒：

df['date_time'] = pd.to_timedelta(df['date_time'])
df['date_time'] = df['date_time'].dt.total_seconds() 

df['date_time'] = pd.to_datetime(df['date_time'], errors='coerce')
df['date_time'] = df['date_time'].dt.total_seconds()
print(df.head())

数据集是：

如果我使用以下代码：

df['date_time'] = pd.to_timedelta(df['date_time'])
df['date_time'] = df['date_time'].dt.total_seconds() 

df['date_time'] = pd.to_datetime(df['date_time'], errors='coerce')
df['date_time'] = df['date_time'].dt.total_seconds()
print(df.head())

然后我得到以下错误：

AttributeError: 'DatetimeProperties' object has no attribute 'total_seconds'

因此，对于

dt.timestamp

因此，我的问题是：

是否需要将训练模型的时间转换为秒？如果是，那么如何，如果不是，为什么

这一个与另外两个名为weather\u m和weather\u d的栏目相关，weather\u m有38种不同的条目类型，或者说38种不同的条目类型，一次只有一种是正确的，weather\u m有11种，但情况与weather\m相同。因此，我在这里有点困惑，是应该拆分这些分类数据，合并原始数据集中的49个新列，删除weather_m和weather_d来训练模型，还是使用LabelEncoder而不是pd.get_假人

将日期时间或时间戳转换为时间增量（持续时间）没有意义。只有在您想要给定时间戳和其他参考日期之间的持续时间时，才有意义。然后，只需使用

-

获取两个日期之间的差值，即可获得时间增量。 由于datetime列是一个字符串，您还需要首先将其转换为datetime:

df['date\u time']=pd.to\u datetime（df['date\u time']，格式='%m/%d/%Y%H:%m'）

。 然后您可以尝试这样的方法：

ref_date=datetime.datetime（1970,1,1,0,0）；df['secs\u since\u epoch']=（df['date\u time']-ref\u date）.dt.总秒数（）

如果不同类别之间完全不同（例如，它们没有隐式排序），则应使用一个热编码“是”，替换原始列。因为类别的数量很小，所以应该可以。 （尽管这也取决于您将在这些数据上运行什么。一些库可能对原始的分类列没有问题，并隐式地为您进行转换）

---

@WeNYoBen请仔细阅读问题。