浮点数()参数必须是字符串或数字，而不是“时间戳”。

Question

我无法让scilearn与日期时间序列一起工作。

我找到了这篇帖子，但没有帮助我 = Pandas：TypeError：float()参数必须是字符串或数字 CSV文件有2个日期列，格式如下： 2017-07-21 06:19:53（字符串）

我将字符串转换为datetime64 [ns]，因此日期变成了长值，我可以对其进行计算。 scilearn拒绝此类型，并给出错误float() argument must be a string or a number, not 'Timestamp'。

也尝试使用pandas.to_datetime()，但没有成功。

我在scilearn中使用的模型是KMeans聚类模型。 打印dtypes时得到以下结果：

ip                      int64
date           datetime64[ns]
succesFlag              int64
app                     int64
enddate        datetime64[ns]
user_userid             int64
dtype: object

这是我的代码：

def getDataframe():
    df = pd.read_csv(filename)
    df['date']=df['date'].astype('datetime64[ns]',inplace=True)
    df['enddate']=df['enddate'].astype('datetime64[ns]',inplace=True)
    df['app']=df['app'].replace({
            "Azure": 0 ,
            "Peoplesoft":1,
            "Office":2 ,
            "DevOps":3 ,
            "Optima":4 ,
            "Ada-Tech": 5 
         },inplace=True)    
    df['ip']=df['ip'].apply(lambda x: int(ip4.ip_address(x))).to_frame('ip')
    print(df.dtypes)
    return df

预期KMeans聚类模型将使用我转换后的数值，但实际上它并没有起作用。

我做错了什么？

- Nightfall

Answer 1

我建议您改变您的解决方案 - 但也要简化一些：

• 添加参数 parse_dates，将列转换为日期时间格式，然后再转换为数字 Unix日期时间戳
• 为了进行转换，请删除 inplace=True 或使用更快的 map - 它也会为不匹配的值创建 NaN，因此输出也是数字

---

def getDataframe():
    df = pd.read_csv(filename, parse_dates=['date','enddate'])
    df[['date','enddate']] = df[['date','enddate']].astype(np.int64) // 10**9

    df['app']=df['app'].map({
            "Azure": 0 ,
            "Peoplesoft":1,
            "Office":2 ,
            "DevOps":3 ,
            "Optima":4 ,
            "Ada-Tech": 5 
         })    
    df['ip']=df['ip'].apply(lambda x: int(ip4.ip_address(x))).to_frame('ip')
    print(df.dtypes)
    return df

- jezrael