如何将np.datetime64信息分隔到不同的列中？

我试图创建一个日期数组，其colums是：天，个月和年两者之间的具体日期（时间差= 1天）。我知道这一定很简单，但我找不到类似的例子。如何将np.datetime64信息分隔到不同的列中？

我发现我可以创建使用numpy的datetime64日期排列如下：

import numpy as np 
dates = np.arange(np.datetime64('2010-01-01'),np.datetime64('2014-12-31'))

虽然这会产生日期，我需要，我不能在文档中发现的列表/谷歌如何分割他们成为一个numpy数组中的列。

任何想法？

在此先感谢！

来源

2017-07-13 lanadaquenada

In [25]: dates = np.arange(np.datetime64('2010-01-01'),np.datetime64('2014-12-31')) 
In [26]: dates 
Out[26]: 
array(['2010-01-01', '2010-01-02', '2010-01-03', ..., '2014-12-28', 
     '2014-12-29', '2014-12-30'], dtype='datetime64[D]') 
In [27]: dates.shape 
Out[27]: (1825,)

像常规np.arange（例如np.arange(1825)），这产生了一个一维阵列跨越一定范围的值。要清楚该数组包含表示日期值的数值（浮点数）。 ndarray代码使用指定的dtype来解释这些数字。显示数组时，它将数据呈现为这些数据字符串（如dtype的[D]部分所指示的那样）。

你需要什么样的色谱柱？

与任何一维数组，则可以创建一个卷矢量与：

In [28]: dates[:,None] 
Out[28]: 
array([['2010-01-01'], 
     ['2010-01-02'], 
     ['2010-01-03'], 
     ..., 
     ['2014-12-28'], 
     ['2014-12-29'], 
     ['2014-12-30']], dtype='datetime64[D]')

alist = dates.tolist() 
In [59]: alist[:10] 
Out[59]: 
[datetime.date(2010, 1, 1), 
datetime.date(2010, 1, 2), 
datetime.date(2010, 1, 3), 
datetime.date(2010, 1, 4), 
datetime.date(2010, 1, 5), 
datetime.date(2010, 1, 6), 
datetime.date(2010, 1, 7), 
datetime.date(2010, 1, 8), 
datetime.date(2010, 1, 9), 
datetime.date(2010, 1, 10)]

产生datetime对象的列表。我们迭代地从这些对象中提取年，月，日。

In [66]: np.array([[x.year, x.month, x.day] for x in alist]) 
Out[66]: 
array([[2010, 1, 1], 
     [2010, 1, 2], 
     [2010, 1, 3], 
     ..., 
     [2014, 12, 28], 
     [2014, 12, 29], 
     [2014, 12, 30]])

np.datetime64 dtype没有确切的等效值。我们可以将它们转换成不同的单位，并有所不同。

In [68]: yrs = dates.astype('datetime64[Y]') 
In [69]: yrs 
Out[69]: array(['2010', '2010', '2010', ..., '2014', '2014', '2014'], dtype='datetime64[Y]') 
In [70]: mths = dates.astype('datetime64[M]')-yrs 
In [71]: mths 
Out[71]: array([ 0, 0, 0, ..., 11, 11, 11], dtype='timedelta64[M]') 
In [72]: days = dates - dates.astype('datetime64[M]') 
In [73]: days 
Out[73]: array([ 0, 1, 2, ..., 27, 28, 29], dtype='timedelta64[D]')

与不同的dtypes我们不能直接连接这些。但将它们转换为整数我们可以得到相同的二维数组：

In [76]: np.stack((yrs.astype(int), mths.astype(int), days.astype(int)),axis=1) 
Out[76]: 
array([[40, 0, 0], 
     [40, 0, 1], 
     [40, 0, 2], 
     ..., 
     [44, 11, 27], 
     [44, 11, 28], 
     [44, 11, 29]])

（年份需要偏移量）。

In [77]: np.stack((yrs.astype(int)+1970, mths.astype(int), days.astype(int)),axis=1)

或结构化阵列 '堆积'：

In [78]: np.rec.fromarrays([yrs, mths, days]) 
Out[78]: 
rec.array([('2010', 0, 0), ('2010', 0, 1), ('2010', 0, 2), ..., 
('2014', 11, 27), ('2014', 11, 28), ('2014', 11, 29)], 
      dtype=[('f0', '<M8[Y]'), ('f1', '<m8[M]'), ('f2', '<m8[D]')])

来源

2017-07-13 19:28:44 hpaulj

我认为OP正在寻找“日，月，年”专栏IIUC。 – DSM

这也是我的猜测。但如果是这样的话，应该在问题中明确说明。 – hpaulj

拆分这些日期并不像看起来那么简单。我无法为这种dtype找到明确的'get_month'方法或函数。我们必须使用'datetime'对象的列表，或者使用'datetime64'单位玩游戏。 – hpaulj

如果没有一定要在一个numpy的阵列可以使用熊猫 -

import numpy as np 
from pandas import DatetimeIndex 
dates = DatetimeIndex(np.arange(np.datetime64('2010-01-01'),np.datetime64('2014-12-31'))) 

date_cols = [[d.year, d.month, d.day] for d in dates]

否则，我将避免numpy和做日期时间的整个事情 -

from datetime import datetime, timedelta 

st = datetime(2010, 1, 1) # or datetime.strptime("2010-01-01", "%Y-%m-%d") 
ed = datetime(2014, 12, 31) # or datetime.strptime("2014-12-31", "%Y-%m-%d") 

count = ed - st 
date_cols = [] 
for d in range(count.days+1): 
    date = st + timedelta(days=d) 
    date_cols.append([date.year, date.month, date.day]) 
print(date_cols)

来源

2017-07-13 21:53:24

如何将np.datetime64信息分隔到不同的列中？

回答

相关问题