python - 散点图和线性回归的日期问题

Question

我有两个问题，我相信它们都以日期格式发布。

我有一份包含日期和值的简历:

2012-01-03 00:00:00     95812    
2012-01-04 00:00:00    101265 
... 
2016-10-21 00:00:00     93594

在我用 read_csv 加载它之后，我试图用以下方法解析日期:

X.Dated = pd.to_datetime(X.Dated, format='%Y-%m-%d %H:%M:%S', errors='raise')

我也尝试过:

dateparse = lambda x: pd.datetime.strptime(x, '%Y-%m-%d %H:%M:%S')
X = pd.read_csv('sales.csv', parse_dates=['Dated'], date_parser=dateparse)

和infer_datetime_format参数。

所有这些似乎都工作正常，因为当我打印出来时日期看起来像:2012-01-03。

当我试图在图表上绘制数据时出现问题，这一行:

ax.scatter(X.Dated, X.Val, c='green', marker='.')

给我一​​个错误:

TypeError: invalid type promotion

此外，当我尝试将它与 LinearRegression() 算法一起使用时，拟合命令工作正常但分数和预测给了我这个错误:

TypeError: Cannot cast array data from dtype('<M8[ns]') to dtype('float64') according to the rule 'safe'

我尝试了很多方法来修复它，但没有成功。任何帮助，将不胜感激。

Answer 1

ax.scatter(目前)不接受 Pandas 系列，但它可以接受 Pandas 时间戳列表(例如 X['Dated'].tolist())，或 dtype datetime64[ns] 的 NumPy 数组(例如 X['Dated'].values):

import pandas as pd
import matplotlib.pyplot as plt

X = pd.DataFrame({'Dated': [pd.Timestamp('2012-01-03 00:00:00'),
                            pd.Timestamp('2012-01-04 00:00:00'),
                            pd.Timestamp('2016-10-21 00:00:00')],
                  'Val': [95812, 101265, 93594]})

fig, ax = plt.subplots()
# ax.scatter(X['Dated'].tolist(), X['Val'], c='green', marker='.', s=200)
ax.scatter(X['Dated'].values, X['Val'], c='green', marker='.', s=200)
plt.show()

---

Under the hood, the ax.scatter method calls

x = self.convert_xunits(x)
y = self.convert_yunits(y)

处理类似日期的输入。 convert_xunits 将 NumPy datetime64 数组转换为 Matplotlib datenums，但它将 Pandas 时间序列转换为 NumPy datetime64 数组。

因此，当 Pandas 时间序列作为输入传递给 ax.scatter 时，代码最终会在 this line is reached 时失败:

offsets = np.dstack((x, y))

np.dstack 尝试将其输入的数据类型提升为一种通用数据类型。如果 x 的数据类型为 datetime64[ns] 并且 y 的数据类型为 float64，则

TypeError: invalid type promotion

被引发是因为没有与两者兼容的原生 NumPy dtype。