我有以下两个时间列，“Time1”和“Time2”。我必须计算 Pandas 中的“差异”列，即 (Time2-Time1)：
Time1 Time2 Difference
8:59:45 9:27:30 -1 days +23:27:45
9:52:29 10:08:54 -1 days +23:16:26
8:07:15 8:07:53 00:00:38
当 Time1 和 Time2 在不同的时间时，我得到的结果为“-1 days +”。我想要的前两个值的输出如下：
Time1 Time2 Difference
8:59:45 9:27:30 00:27:45
9:52:29 10:08:54 00:16:26
如何在 Pandas 中获得此输出？
两个时间值都在 'datetime64[ns]' dtype 中。
我正在尝试使用 Python 中的分位数回归来预测我的目标变量。
我考虑用于训练和验证的数据来自2015年10月至2017年12月31日期间。
现在模型已经开发出来，我正在尝试预测 2018 年 1 月的值，这会引发以下错误：
ValueError：操作数无法与形状 (34,) (33,) 一起广播
mod = smf.quantreg('ASBCU_SUM~Month+Year+WeekofMonth+DayNum+isHoliday+PCOP_CS+PCOP_LS+PCOP_IFS+PCOP_LSS+PCOP_FSS+PCOP_FS+DayOfWeek_6+DayOfWeek_5+DayOfWeek_2+DayOfWeek_7+DayOfWeek_3+DayOfWeek_4',dfTrainingData)
res = mod.fit(q=0.8)
如果我检查，错误来自 statmodels 内的分位数回归.py 文件。
diff = np.max(np.abs(beta - beta0))
我已经浏览过有关堆栈溢出的类似帖子，建议检查目标变量的数据类型是否为数字。这是变量的数据类型：
ASBCU_SUM：int64
月份：类别
年份：类别
每月一周：类别
是假期：int64
DayNum：int32
PCOP_SUM：int64
PCOP_CS：int64
PCOP_LS：int64
PCOP_IFS：int64
PCOP_LSS：int64
PCOP_FS：int64
PCOP_FSS：int64
DayOfWeek_3：float64
DayOfWeek_2：float64
DayOfWeek_5：float64
DayOfWeek_7：float64
DayOfWeek_4：float64
DayOfWeek_6：float64
使用 2015-2017 年数据开发模型时数据类型相同。
我真的很感谢任何帮助..
我有一个 python pandas 数据框，它有一个如下所示的日期列：
'Birth Date'
0 22/04/73
1 22/03/53
2 22/04/73
3 14/08/77
4 08/05/50
我想将此对象数据类型转换为日期格式，如下所示：04/06/1953...
我尝试转换为 datetime 数据类型，如下所示：
df['Birth Date']=pandas.to_datetime(df['Birth Date'],format='%d/%m/%y')
但输出是这样的：
0 1973-04-22
1 2053-03-22
2 1973-04-22
3 1977-08-14
4 2050-05-08
如何将 1953、1950 等作为年份而不是 2053、2050？