如何将Timestamp类型日期转换为整数值，适配Polyfit函数输入要求

报错根因 #

yfinance返回的DataFrame索引是Timestamp时间类型，不属于可直接转换为浮点数的字符串/数值类型，所以直接执行astype(float)会触发类型错误。你需要先将时间类型转换为数值型的时间度量，再传入np.polyfit使用。

推荐解法（无需循环，性能更高） #

直接通过pandas矢量化操作完成转换，无需遍历DataFrame：

import yfinance as yf
import numpy as np
import matplotlib.pyplot as plt

stock = 'TSLA'
start = '2020-11-01'

df = yf.download(stock , start=start)

# 转换为距离起始统计日的天数（整数，符合polyfit输入要求）
nfx = (df.index - df.index[0]).days.values
# 直接提取收盘价数组
nfy = df['Close'].values

# 可直接传入polyfit做拟合，示例为拟合1次线性函数
fit_coef = np.polyfit(nfx, nfy, deg=1)
fit_func = np.poly1d(fit_coef)

兼容原有循环写法的修改方案 #

如果需要保留你原来的循环逻辑，只需调整x值的转换逻辑即可：

nfx = []
nfy = []
# 取起始日期作为基准
start_ts = df.index[0]
for index, row in df.iterrows():
    # 计算当前日期距基准日的天数，为整数格式
    nfx.append((index - start_ts).days)
    nfy.append(row['Close'])

可选转换方式：转Unix时间戳 #

如果需要使用1970年1月1日以来的秒级整数时间戳作为x值，可使用如下转换方式：

# 秒级整数时间戳
nfx = df.index.astype('int64') // 10**9

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