小编mlo*_*ing的帖子

我使用面板数据：随着时间的推移，我观察了许多单位（例如人）；对于每个单元，我都有相同固定时间间隔的记录。

当将数据分成训练集和测试集时，我们需要确保两个集是不相交的和顺序的，即训练集中的最新记录应该在测试集中最早的记录之前（参见例如这篇博客文章）。

面板数据是否有任何标准的 Python 交叉验证实现？

我试过 Scikit-Learn 的TimeSeriesSplit，它不能考虑组，GroupShuffleSplit不能考虑数据的顺序性质，见下面的代码。

import pandas as pd
import numpy as np
from sklearn.model_selection import GroupShuffleSplit, TimeSeriesSplit

# generate panel data
user = np.repeat(np.arange(10), 12)
time = np.tile(pd.date_range(start='2018-01-01', periods=12, freq='M'), 10)
data = (pd.DataFrame({'user': user, 'time': time})
        .sort_values(['time', 'user'])
        .reset_index(drop=True))

tscv = TimeSeriesSplit(n_splits=4)
for train_idx, test_idx in tscv.split(data):
    train = data.iloc[train_idx]
    test = data.iloc[test_idx]
    train_end = train.time.max().date()
    test_start = test.time.min().date()
    print('TRAIN:', train_end, '\tTEST:', test_start, '\tSequential:', train_end < test_start, …

我有某种格式的数据，我想将其读入 pandas.DataFrame 中。有些行给我一个错误。下面是这些字符串之一的最小示例，但我有几个它不起作用的地方（奇怪的是有些它起作用的地方）。

确切的错误是：

OutOfBoundsDatetime，越界纳秒时间戳：2276-02-18 05:15:13

import pandas as pd 
pd.to_datetime('02/18/2276 5:15:13 AM', format='%m/%d/%Y %I:%M:%S %p')

我用这个网站来制作我的格式字符串： https://pandas.pydata.org/pandas-docs/stable/ generated/pandas.Period.strftime.html

我很感激任何帮助！