KMeans聚类日期数据报错：日期转时间戳失败求助

问题根源是你的Alert_Time列存在多种日期字符串格式（如'2020-12-22 00:00:00'和'2020-12-22'），直接将字符串转为整数会失败；同时KMeans仅支持数值型输入，无法直接处理字符串日期。按以下步骤解决：

1. 统一转换为datetime类型 #

用pandas的to_datetime方法自动识别多种日期格式，把字符串转为标准datetime对象：

import pandas as pd
import numpy as np
from sklearn.cluster import KMeans

# 转换日期列，无法识别的无效值转为NaT
df["Alert_Time"] = pd.to_datetime(df["Alert_Time"], errors="coerce")

• 后续可通过df.dropna(subset=["Alert_Time"])删除含缺失值的行，或用df["Alert_Time"].fillna(...)填充缺失值。

2. 转换为秒级时间戳 #

从datetime对象提取秒级时间戳，得到KMeans可接受的数值类型：

# 两种等价写法任选其一
df["stamp"] = df["Alert_Time"].view("int64") // 10**9
# 或
df["stamp"] = df["Alert_Time"].astype(np.int64) // 10**9

3. 执行KMeans聚类 #

确保用于聚类的特征列全为数值型（比如保留stamp和其他业务数值列）：

# 替换为你的实际数值特征列名
feature_cols = ["stamp", "数值列1", "数值列2"]
k_means = KMeans(n_clusters=3)
k_means.fit(df[feature_cols])

特殊格式处理 #

如果to_datetime无法自动识别日期格式，可手动指定格式：

# 单一格式指定
df["Alert_Time"] = pd.to_datetime(df["Alert_Time"], format="%Y-%m-%d %H:%M:%S", errors="coerce")
# 多格式混合（pandas 1.3.0+支持）
df["Alert_Time"] = pd.to_datetime(df["Alert_Time"], format=["%Y-%m-%d %H:%M:%S", "%Y-%m-%d"], errors="coerce")

内容的提问来源于stack exchange，提问作者igneous spark