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).T y1= test_target1001 clf = 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。