因为模型只接受数值型输入，而datetime64[ns]是结构化类型，直接使用会报错或丢失周期语义；需用.dt访问器提取年、月、星期几等整数特征，并对循环变量（如小时、月份）做正弦/余弦编码以保留周期性。
为什么不能直接把 datetime 列丢进模型
因为绝大多数模型（如 RandomForestRegressor、XGBoost、LinearRegression）只认数字，而 datetime64[ns] 是结构化类型。直接用会报 ValueError: DataFrame dtype mismatch 或被自动转成毫秒时间戳——但这丢失了“星期几”“是否月初”等业务意义，且数值尺度巨大（如 1717027200000），严重干扰树模型分裂或线性模型权重学习。
用 pd.to_datetime() + .dt 访问器提取周期特征
核心是把时间拆解为有明确周期语义的整数列：年、月、日、小时这些本身是序数，但“星期几”“是否周末”“是否节假日”“季度中第几周”才是关键信号。操作必须在 fit 和 transform 中一致，否则线上推理出错。
常见提取项（假设原始列为 df['order_time']）：
-
df['order_time'].dt.year—— 注意：若跨年训练，需考虑是否做归一化（如减去最小年份） -
df['order_time'].dt.month—— 周期性特征，建议用正弦/余弦编码（见下一条） -
df['order_time'].dt.dayofweek—— 周一=0，周日=6，比.dt.weekday更稳定 -
df['order_time'].dt.is_month_start/.is_quarter_end—— 返回布尔值，可直接转int - 对月、小时、星期几这类循环变量，加正弦变换：
np.sin(2 * np.pi * df['hour'] / 24)和np.cos(...)，避免模型误以为“23点”和“0点”距离很远
写一个可复用的 DatetimeTransformer 类
必须继承 BaseEstimator 和 TransformerMixin，保证能放进 sklearn.pipeline.Pipeline；fit 阶段只做校验和保存列名，不拟合任何统计量（日期特征无分布参数）；transform 才真正计算。
立即学习“Python免费学习笔记（深入）”；
macOS UI 自动化技能包 —— 用 Python 控制你的 Mac
下载
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
关键陷阱：
- 输入
X可能是pd.DataFrame或np.ndarray，必须先转成DataFrame并确认列存在 - 若某列在
fit时存在、transform时缺失，要抛明确错误，而不是静默跳过 - 不要修改原
X，用X.copy()；返回必须是DataFrame（不能是numpy数组），否则后续ColumnTransformer会报错 - 避免硬编码列名，用
self.feature_names_in_存储原始列，在get_feature_names_out中返回新列名（如['time_hour_sin', 'time_hour_cos', 'time_is_weekend']）
示例骨架：
from sklearn.base import BaseEstimator, TransformerMixin
import pandas as pd
import numpy as np
<p>class DatetimeTransformer(BaseEstimator, TransformerMixin):
def <strong>init</strong>(self, cols=None, include_cycles=True):
self.cols = cols
self.include_cycles = include_cycles</p><pre class='brush:python;toolbar:false;'>def fit(self, X, y=None):
if not isinstance(X, pd.DataFrame):
X = pd.DataFrame(X)
if self.cols is None:
self.cols = X.select_dtypes(include=['datetime64']).columns.tolist()
self.feature_names_in_ = X.columns.tolist()
return self
def transform(self, X):
X = X.copy()
if not isinstance(X, pd.DataFrame):
X = pd.DataFrame(X, columns=self.feature_names_in_)
for col in self.cols:
if col not in X.columns:
raise ValueError(f"Column '{col}' not found in transform input")
# 提取 dt 属性、sin/cos 等...
return X上线前必须验证的三件事
模型开发环境里跑通不等于生产可用：
-
transform后的列顺序是否和训练时一致？Pipeline 中若混用ColumnTransformer，列名变动会导致特征错位 - 空值怎么处理？
pd.to_datetime(..., errors='coerce')会把非法字符串变NaT，后续.dt.xxx全是NaN，必须提前 fill 或 drop - 时区问题：原始数据是 UTC 还是本地时间？
.dt.tz_localize()和.dt.tz_convert()必须显式声明，否则不同服务器时区设置不同，导致.dt.hour结果不一致
最常被忽略的是：训练时用的是历史数据（含完整节假日），但预测时未来日期的节假日信息未注入——比如用 holidays 库查中国节假日，必须提前加载未来 N 年列表，不能只靠 .dt.quarter 这类内置属性。
