实验问题总结

1.freq S not supported

时间序列的时间频率不受库的支持

to_offse

t是pandas库中的一个方法，用于将时间间隔（time delta）转换为 pandas 中的时间偏移（time offset）。时间偏移是一种表示一段时间的方式，它可以用来执行与时间相关的运算和频率转换。

具体而言，to_offset 方法的作用是将一个时间间隔转换为一个 pandas 的时间偏移对象。这个时间偏移对象可以用来执行一些时间相关的操作，比如在时间戳上进行偏移，将时间序列转换为指定的频率等。

import pandas as pd
from datetime import timedelta

# 创建一个时间间隔
delta = timedelta(days=3)

# 将时间间隔转换为 pandas 的时间偏移对象
offset = pd.to_offset(delta)

# 使用时间偏移对象在时间戳上进行偏移
timestamp = pd.Timestamp("2022-01-01")
new_timestamp = timestamp + offset

print(new_timestamp)

pandas识别时间日期列

要使 Pandas 能够正确识别时间日期列，你需要将该列的数据转换为 Pandas 的日期时间格式。通常，年月日时分秒的标准格式是 “%Y-%m-%d %H:%M:%S”，其中：

%Y 表示四位数的年份
%m 表示两位数的月份
%d 表示两位数的日期
%H 表示两位数的小时（24小时制）
%M 表示两位数的分钟
%S 表示两位数的秒

import pandas as pd

# 假设你有一个 DataFrame df，包含时间日期列为 'datetime_column'
df['datetime_column'] = pd.to_datetime(df['datetime_column'], format="%Y-%m-%d %H:%M:%S")

excel中修改：yyyy-mm-dd HH:mm:ss

2.ValueError: setting an array element with a sequence.

表明在尝试将一个序列转换为 NumPy 数组时发生了问题
dtype=object从而解决

3.too many indices for array: array is 1-dimensional, but 2 were indexed

尝试了各种帖子的方法都没解决，把csv数据的不同类型的那一列删了结果报错没了

4.Exception: Reached maximum number of idle transformation calls.

更新pytorch-ts版本分支0.7.0

5.RuntimeError: DataLoader worker (pid(s) 6356) exited unexpectedly

进程数改为0