如何将Pandas中非标准日期（如1-01）转换为适配Scikit-learn的格式

我来帮你搞定这个日期格式转换的问题，针对你这种年-月格式的字符串，有两种常用的处理方式，都能完美适配Scikit-learn这类机器学习库的需求：

方法一：转换为整数序数（推荐用于大多数时序建模场景） #

这种方式把时间转换成连续的整数，直接体现时间的先后顺序，模型能轻松理解时序关系——比如第1年1月是1，第1年2月是2，第2年1月就是13，以此类推。

具体代码实现：

import pandas as pd

# 假设你的数据框是df
# 拆分年和月，转换成整数类型
df[['year', 'month']] = df['Year'].str.split('-', expand=True).astype(int)
# 计算连续的时间序数
df['time_ordinal'] = (df['year'] - 1) * 12 + df['month']
# 可选：删除中间生成的year和month列
df = df.drop(['year', 'month'], axis=1)

转换后你的数据会变成这样：

这个time_ordinal列可以直接作为模型的输入特征，非常方便。

方法二：转换为标准日期格式（适合需要提取更多时间特征的场景） #

如果你需要后续提取月份、季度、年份等单独的时间特征，或者需要时间戳作为输入，可以把字符串转换成Pandas的datetime类型。

具体代码实现：

import pandas as pd

# 把"年-月"补全为"年-月-01"，再转换成datetime
# 注意：如果你的年份是四位（比如2021-01），把format改成'%Y-%m-%d'
df['date'] = pd.to_datetime(df['Year'] + '-01', format='%y-%m-%d')

# 可选1：转换成秒级时间戳整数（直接喂给模型）
df['timestamp'] = df['date'].astype('int64') // 10**9

# 可选2：提取单独的时间特征
df['year'] = df['date'].dt.year
df['month'] = df['date'].dt.month
df['quarter'] = df['date'].dt.quarter

转换后你可以根据模型需求，选择用完整的datetime列、时间戳整数，或者拆分后的年/月/季度特征作为输入。

小提示 #

如果你的年份不是默认的20xx，而是比如1991、1992这类，你可以手动拼接年份前缀：

# 比如年份是1991、1992、1993
df['date'] = pd.to_datetime('199' + df['Year'], format='%Y-%m-%d')

内容的提问来源于stack exchange，提问作者Moha