转换FLOAT32阵列datetime64在与NumPy 1.6.1

Question

什么是numpy的转换整数日期datetime64的正确方法？我尝试过：

import numpy 
a = numpy.array([20090913, 20101020, 20110125]) 
numpy.datetime64(a.astype("S8")) 

但得到不正确的转换。如何使用numpy.loadtxt正确读取它们作为numpy.datetime64对象（它们来自csv文件）？

Answer 1

奇怪的是，这个工程：numpy.datetime64(a.astype("S8").tolist())，虽然这并不：numpy.datetime64(a.astype("S8"))。第一种方法比起numpy.array([numpy.datetime64(str(i)) for i in a])还有点复杂。我问为什么在this question。

Answer 2

您的问题是datetime64需要格式为yyyy-mm-dd的字符串，而类型转换会生成yyyymmdd格式的字符串。我建议是这样的：

conversion = lambda x: "%s-%s-%s" % (x[:4], x[4:6], x[6:]) 
np_conversion = numpy.frompyfunc(conversion,1,1) 
b = np_conversion(a.astype('S10')) 
numpy.datetime64(b) 

但它不为我工作（我有numpy的1.6.1），它失败的消息“NotImplementedError：对于这种类型的未实现”。除非是在1.7实现的，我只能提出一个纯Python的解决方案：

numpy.datetime64(numpy.array([conversion(str(x)) for x in a], dtype="S10")) 

...或预先处理您的输入，交付日期预期的格式。

编辑：我还可以提供另一种解决方案，使用vectorize，但我不很清楚它是如何工作的，所以我不知道发生了什么错误：

>>> conversion = vectorize(lambda x: "%s-%s-%s" % (x[:4], x[4:6], x[6:]), otypes=['S10']) 
>>> conversion(a.astype('S10')) 
array(['2009', '2010', '2011'], 
     dtype='|S4') 

对于一些因为它忽略了otypes并输出|S4而不是|S10。对不起，我无法提供更多帮助，但这应该为搜索其他解决方案提供了一个起点。

更新：由于OP的反馈，我想到了一种新的可能性。这应该按预期工作：

>>> conversion = lambda x: numpy.datetime64(str(x)) 
>>> np_conversion = numpy.frompyfunc(conversion, 1, 1) 
>>> np_conversion(a) 
array([2009-09-13 00:00:00, 2010-10-20 00:00:00, 2011-01-25 00:00:00], dtype=object) 

# Works too: 
>>> conversion = lambda x: numpy.datetime64("%s-%s-%s" % (x/10000, x/100%100, x%100)) 

奇怪怎么样，在这种情况下，datetime64工作正常使用或不使用破折号...