Python给date对象添加天数报错？LSTM股价预测日期处理

• 导入缺失：仅从datetime模块导入了datetime类，未导入同模块下的timedelta类，直接通过datetime.timedelta调用会触发type object 'datetime.datetime' has no attribute 'timedelta'报错。
• 变量名不匹配：计算时定义了whole_days、left_days变量，后续使用时错写为whole_time、left_time，会触发NameError变量未定义的报错。
• 间隔计算逻辑错误：原代码用date1.days计算占比基数，该属性是日期在当年的序数，不是两个输入日期的实际间隔，会导致后续总天数计算完全偏离预期。

# 补充导入timedelta类
from datetime import datetime, timedelta

# 解析输入的两个日期字符串，得到date对象
data1 = datetime.strptime(data1input, '%Y%m%d').date()
data2 = datetime.strptime(data2input, '%Y%m%d').date()

# 计算两个日期的实际间隔天数（对应当前已知的占总周期80%的部分）
known_interval = abs((data2 - data1).days)
# 推导完整周期总天数
whole_days = round(known_interval * 100 / 80)
# 计算剩余20%对应的天数
left_days = round(whole_days * 0.2)
# 将剩余天数叠加到data2上，得到最终预测目标日期
target_date = data2 + timedelta(days=left_days)

• 如果不想单独导入timedelta类，也可以修改导入方式为import datetime，后续调用时写全路径datetime.timedelta(days=left_days)，但这种写法容易和同模块下的datetime类混淆，更推荐单独导入需要的类。
• 计算日期间隔时，两个date对象相减得到的是timedelta对象，通过取其.days属性得到的间隔值才是两个日期的真实差值，不要误用date对象自带的.days年序属性。

内容的提问来源于stack exchange，提问作者user15499252