使用Isolation Forest标注数据时报ValueError无法将时间字符串转为浮点数

你遇到的报错信息如下：

ValueError: could not convert string to float: '2018-12-01 17:00:00+00:00'

数据集样例：

• 根本原因：Isolation Forest属于数值型机器学习算法，要求输入的所有特征都为数值格式，而你数据集中的时间戳目前为字符串类型，算法无法直接解析字符串完成计算，因此触发类型转换报错。
• 快速定位方法：执行df.dtypes查看数据集所有字段的数据类型，即可找到对应标记为object类型的时间字段。

可选以下三种适配方案，根据你的业务需求选择即可：

方案1：转换为Unix时间戳（通用方案） #

将字符串时间转换为1970-01-01以来的秒级时间戳数值，保留完整时间信息，pandas实现代码如下：

import pandas as pd
# 将字符串时间转换为带时区的datetime类型
df['你的时间字段名'] = pd.to_datetime(df['你的时间字段名'], utc=True)
# 转换为数值型Unix时间戳
df['timestamp_unix'] = df['你的时间字段名'].apply(lambda x: x.timestamp())
# 删除原始字符串时间字段
df_processed = df.drop('你的时间字段名', axis=1)

处理完成后的timestamp_unix字段为float类型，可以直接输入算法。

方案2：拆分多维度时间特征 #

如果时间的周期性对异常检测有业务价值，可以拆分为多个独立数值特征：

df['你的时间字段名'] = pd.to_datetime(df['你的时间字段名'], utc=True)
df['year'] = df['你的时间字段名'].dt.year
df['month'] = df['你的时间字段名'].dt.month
df['day'] = df['你的时间字段名'].dt.day
df['hour'] = df['你的时间字段名'].dt.hour
df['weekday'] = df['你的时间字段名'].dt.weekday
# 删除原始字符串时间字段
df_processed = df.drop('你的时间字段名', axis=1)

方案3：直接删除无意义时间字段 #

如果时间字段仅为数据采集记录标识，对异常检测没有参考价值，可以直接删除该字段后运行算法。

处理完成后执行print(df_processed.dtypes)，确认所有字段均为int或float类型，再次运行Isolation Forest代码即可解决报错。

内容的提问来源于stack exchange，提问作者user12