Python中如何利用Numpy库处理datetime类型(datetime,numpy,python,开发技术)

前言

关于时间的处理，Python中自带的处理时间的模块就有time 、datetime、calendar，另外还有扩展的第三方库，如dateutil等等。通过这些途径可以随心所欲地用Python去处理时间。当我们用NumPy库做数据分析时，如何转换时间呢？

在NumPy 1.7版本开始，它的核心数组（ndarray）对象支持datetime相关功能，由于'datetime'这个数据类型名称已经在Python自带的datetime模块中使用了， NumPy中时间数据的类型称为'datetime64'。

单个时间格式字符串转换为numpy的datetime对象，可使用datetime64实例化一个对象，如下所示：

#时间字符串转numpy.datetime64datetime_nd=np.datetime64('2019-01-01')print(type(datetime_nd))#<class'numpy.datetime64'>

反过来numpy的datetime对象转换为时间格式字符串，可使用datetime_as_string()函数，如下所示：

#numpy.datetime64转时间字符串datetime_str=np.datetime_as_string(datetime_nd)print(type(datetime_str))#<class'numpy.str_'>

从时间格式字符串数组去创建numpy的datetime对象数组（array）时，可以直接使用numpy.array()函数，指定dtype为'datetime64'，这样的话数组中的元素为'datetime64'类型，如下所示：

datetime_array=np.array(['2019-01-05','2019-01-02','2019-01-03'],dtype='datetime64')print(datetime_array)#['2019-01-05''2019-01-02''2019-01-03']print(type(datetime_array))#<class'numpy.ndarray'>print(type(datetime_array[0]))#<class'numpy.datetime64'>

也可以通过numpy.arange()函数，给定时间起始范围去创建numpy的datetime对象数组（array），指定dtype为'datetime64'时默认以日为时间间隔，如下所示：

datetime_array=np.arange('2019-01-05','2019-01-10',dtype='datetime64')print(datetime_array)#['2019-01-05''2019-01-06''2019-01-07''2019-01-08''2019-01-09']

设定numpy.arange()函数中的dtype参数，可以调整时间的间隔，比如以年、月、周，甚至小时、分钟、毫秒程度的间隔生成时间数组，这点和Python的datetime模块是一样的，分为了date单位和time单位。如下所示：

#generateyeardatetimearraydatetime_array=np.arange('2018-01-01','2020-01-01',dtype='datetime64[Y]')print(datetime_array)#['2018''2019']#generatemonthdatetimearraydatetime_array=np.arange('2019-01-01','2019-10-01',dtype='datetime64[M]')print(datetime_array)#['2019-01''2019-02''2019-03''2019-04''2019-05''2019-06''2019-07''2019-08''2019-09']#generateweekdatetimearraydatetime_array=np.arange('2019-01-05','2019-02-10',dtype='datetime64[W]')print(datetime_array)#['2019-01-03''2019-01-10''2019-01-17''2019-01-24''2019-01-31']#generatemsdatetimearraydatetime_array=np.arange('2019-01-05','2019-01-10',dtype='datetime64[ms]')print(datetime_array)#['2019-01-05T00:00:00.000''2019-01-05T00:00:00.001'#'2019-01-05T00:00:00.002'...'2019-01-09T23:59:59.997'#'2019-01-09T23:59:59.998''2019-01-09T23:59:59.999']

将numpy.datetime64转化为datetime格式转换为datetime格式，可使用astype()方法转换数据类型，如下所示：

#numpy.datetime64转化为datetime格式datetime_df=datetime_nd.astype(datetime.datetime)print(type(datetime_df))#<class'datetime.date'>

另外，numpy也提供了datetime.timedelta类的功能，支持两个时间对象的运算，得到一个时间单位形式的数值。因为numpy的核心数组（ndarray）对象没有物理量系统（physical quantities system），所以创建了timedelta64数据类型来补充datetime64。datetime和timedelta结合提供了更简单的datetime计算方法。如下所示：

#numpy.datetime64calculationsdatetime_delta=np.datetime64('2009-01-01')-np.datetime64('2008-01-01')print(datetime_delta)#366daysprint(type(datetime_delta))#<class'numpy.timedelta64'>datetime_delta=np.datetime64('2009')+np.timedelta64(20,'D')print(datetime_delta)#2009-01-21datetime_delta=np.datetime64('2011-06-15T00:00')+np.timedelta64(12,'h')print(datetime_delta)#2011-06-15T12:00datetime_delta=np.timedelta64(1,'W')/np.timedelta64(1,'D')print(datetime_delta)#7.0