在Pandas

Question

尝试在python中实现时间序列预测模型，但面临日期时间数据的问题。

所以我有一个数据框＆＃39; df＆＃39;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奇怪的发生了，它以奇怪的格式显示日期，包括时间戳和时间：

基本上因为它，我无法实现接收以下消息的模型，例如：＆＃34;无法在没有频率的情况下向Timestamp添加整数值。＆＃34;

那么似乎是什么问题以及如何解决？

Answer 1

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，我们会这样做。

其次，您尝试使用df.values执行此操作。然而，有意义的是，pandas将整个df转换为dtype=object然后转换为object数组。问题在于，Timestamps会被Timestamps留下，这会挡住你的路。

所以我会像我一样自己转换它们

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]])

我们总是可以像这样转换后面的第一列

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]')

Answer 2

您可以将整数转换为timedelta，并按照之前的计算进行计算：

from datetime import timedelta

interval = timedelta(days = 5)

#5 days later
time_stamp += interval