机器学习模型训练报错：无法将字符串日期转为浮点数

核心原因 #

模型仅能处理数值类型特征，你传入的字符串格式日期无法被直接解析为浮点型，必须转换为Unix时间戳（从1970-01-01 00:00:00 UTC到目标日期的秒数/毫秒数）。

方法1：用Pandas批量处理数据（推荐） #

如果数据存在于Pandas DataFrame中，这是最高效的处理方式：

import pandas as pd

# 假设日期列名为'date_feature'
df['date_feature'] = pd.to_datetime(df['date_feature'])
# 转换为秒级Unix时间戳（转为浮点型适配模型输入）
df['unix_timestamp'] = df['date_feature'].view('int64') // 10**9

说明 #

• pd.to_datetime()：自动解析字符串格式的日期为Pandas datetime对象
• .view('int64')：提取datetime对象对应的纳秒级整数，除以10^9转为秒级时间戳，最终输出数值类型可直接输入模型

方法2：用Python标准库处理单条日期值 #

如果是零散的日期字符串，使用datetime模块处理：

from datetime import datetime

date_str = '2017-08-31 18:06:36.000000'
# 按格式解析字符串为datetime对象
dt_obj = datetime.strptime(date_str, '%Y-%m-%d %H:%M:%S.%f')
# 转换为Unix时间戳（秒级，返回浮点数）
unix_timestamp = dt_obj.timestamp()

注意 #

• 格式符%Y-%m-%d %H:%M:%S.%f必须和你的日期字符串完全匹配，其中%f对应微秒部分
• 转换后的时间戳为浮点型，可直接作为模型输入特征

后续操作 #

将转换后的Unix时间戳替换原日期列，确保所有输入模型的特征均为数值类型，重新运行训练代码即可解决该ValueError问题。

内容的提问来源于stack exchange，提问作者Dante