如何在 Python 中使用时间戳数据构建朴素贝叶斯模型答案

【问题标题】：How to use Timestamp Data in Building Naive Bayes model in Python如何在 Python 中使用时间戳数据构建朴素贝叶斯模型
【发布时间】：2017-04-30 18:45:19
【问题描述】：

我有一个数据集，其中时间戳是列之一，格式为 09/07/2016 23:58。

我正在尝试在此数据上应用朴素贝叶斯，但我面临以下错误。请让我知道如何在我的模型中使用此数据

ValueError：float() 的无效文字：12/06/2016 23:59

【问题讨论】：

什么是df['Timestamp'].dtype?
您确定您的日期列的dtype 是datetime？通过df.dtypes 对其进行测试。如果没有，似乎有一些不良数据 - 使用pd.to_datetime(df.date, erors='coerce')
如果无法转换为日期时间，则将值转换为NaT。
它是object类型的，如何转换为Datetime？它抛出一个错误

标签： python python-2.7 pandas timestamp naivebayes

【解决方案1】：

您需要带有参数errors='coerce' 的to_datetime 将错误的不可解析值转换为NaT：

df = pd.DataFrame({'date':['12/06/2016 23:59','12/06/2016 23:59', 'a']})
print (df)
               date
0  12/06/2016 23:59
1  12/06/2016 23:59
2                 a


print (pd.to_datetime(df.date, errors='coerce'))
0   2016-12-06 23:59:00
1   2016-12-06 23:59:00
2                   NaT
Name: date, dtype: datetime64[ns]

对于测试错误值，使用boolean indexing - 返回NaT 所在的所有行：

print (df[pd.to_datetime(df.date, errors='coerce').isnull()])
  date
2    a

【讨论】：

谢谢@jezrael。由于我是 python 新手，我还有一个查询。既然我有了这个专栏，我如何将它附加到我原来的 Dataframe 或者无论如何，现有的 Dataframe 将被更新
感谢您的采纳！使用df.date = pd.to_datetime(df.date, errors='coerce') 或df['date'] = pd.to_datetime(df['date'], errors='coerce')

【解决方案2】：

从您的问题来看，您并不清楚您在做什么，但互联网上已经有几个示例：

以及 SO 中的一些代码片段：

【讨论】：