在機器學習過程中，通常會通過pandas讀取csv文件，保持成dadaframe格式，然而有時候需要對dataframe中的時間字段進行數據建模，比如時間格式為datetime，那么像一般操作dataframe的方式來操作時間字段會報錯的，所以在使用sklearn庫進行fit和predict的時候，通常要把時間字段首先轉換為timestamp格式，在fit和predict之后，如果需要matplotlib繪圖的時候，再把timestamp格式轉換為時間字符串，比如2017-02-01 14:25:14。

下面是我處理過的一段代碼，希望可以幫到童鞋們！

doc_list1 = []

for i in doc1.iloc[:,1:2].values.tolist(): # 轉換成了時間戳格式

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).T

y1= test_target1001

clf = AdaBoostRegressor(DecisionTreeRegressor(max_depth=5),n_estimators=1000, random_state=rng)

clf.fit(X1,y1)

yhat1 = clf.predict(X1)

補充一下：如果value不是datetime格式還需要進行轉換

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)

以上這篇python 處理dataframe中的時間字段方法就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持腳本之家。

總結

以上是生活随笔為你收集整理的python中dataframe合并列名日期到季度_python 处理dataframe中的时间字段方法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。