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:
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?