时间:2021-05-22
在机器学习过程中,通常会通过pandas读取csv文件,保持成dadaframe格式,然而有时候需要对dataframe中的时间字段进行数据建模,比如时间格式为datetime,那么像一般操作dataframe的方式来操作时间字段会报错的,所以在使用sklearn库进行fit和predict的时候,通常要把时间字段首先转换为timestamp格式,在fit和predict之后,如果需要matplotlib绘图的时候,再把timestamp格式转换为时间字符串,比如2017-02-01 14:25:14。
下面是我处理过的一段代码,希望可以帮到童鞋们!
doc_list1 = []for i in doc1.iloc[:,1:2].values.tolist(): # 转换成了时间戳格式 for j in i: dt = time.strptime(j, "%Y-%m-%d %H:%M:%S") dt_new = time.mktime(dt) doc_list1.append(dt_new)doc_list2 = []for i in doc_list1: time_local = time.localtime(i) dt = time.strftime("%Y-%m-%d %H:%M:%S",time_local) dt1 = datetime.datetime.strptime(dt, "%Y-%m-%d %H:%M:%S") doc_list2.append(dt1)X1 = np.mat(doc_list1).Ty1= test_target1001clf = AdaBoostRegressor(DecisionTreeRegressor(max_depth=5),n_estimators=1000, random_state=rng)clf.fit(X1,y1)yhat1 = clf.predict(X1)补充一下:如果value不是datetime格式还需要进行转换
value = result.iloc[:,1]list = []for i in value: print(type(i.to_pydatetime().timetuple()),i) list.append(time.mktime(i.to_datetime().timetuple()))print(list)以上这篇python 处理dataframe中的时间字段方法就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
在python中经常会用到pandas来处理数据,最常用的数据类型是dataframe,但是有时候在dataframe有时间字段需要画时间序列图的时候会遇到一些
处理数据的时候,偶然遇到要把一个Dataframe中的某些行添加至一个空白的Dataframe中的问题。最先想到的方法是创建Dataframe,从原有的Data
本文实例讲述了Python实现从SQL型数据库读写dataframe型数据的方法。分享给大家供大家参考,具体如下:Python的pandas包对表格化的数据处理
前言在我们对DataFrame对象进行处理时候,下意识的会想到对DataFrame进行遍历,然后将处理后的值再填入DataFrame中,这样做比较繁琐,且处理大
使用astype实现dataframe字段类型转换#-*-coding:UTF-8-*-importpandasaspddf=pd.DataFrame([{'c