使用LinearRegression模型时遇TypeError：无法转换Timestamp为float

你遇到的TypeError是因为训练特征x里包含了Timestamp（日期时间）类型的列，线性回归模型仅支持数值型输入，无法直接处理日期时间对象。以下是几种可行的解决方法：

• 方法1：转换为时间差数值（适用于日期仅表示先后顺序的场景）
  把日期转换为与最早日期的天数差，转为纯数值：

  import pandas as pd
  # 确保日期列是datetime类型（如果还不是的话）
  df['Date'] = pd.to_datetime(df['Date'])
  # 计算从最早日期开始的天数差
  df['Date'] = (df['Date'] - df['Date'].min()).dt.days
  

• 方法2：提取时间特征（适用于日期包含周期规律的场景）
  从日期中提取年、月、日、星期等数值特征，替代原日期列：

  import pandas as pd
  df['Date'] = pd.to_datetime(df['Date'])
  # 提取时间特征
  df['Year'] = df['Date'].dt.year
  df['Month'] = df['Date'].dt.month
  df['Day'] = df['Date'].dt.day
  df['Weekday'] = df['Date'].dt.weekday
  # 删除原日期列，重新定义训练特征
  x = df.drop(['Order Qty', 'Date'], axis=1)
  

• 方法3：直接删除日期列（如果日期对预测目标无意义）
  如果日期列和订单数量没有关联，直接从训练特征中移除：

  x = df.drop(['Order Qty', 'Date'], axis=1)
  

处理完数据后，重新执行训练代码即可：

lm = LinearRegression()
lm.fit(x, y)

内容的提问来源于stack exchange，提问作者anjali pakmode