Python 无法根据规则'；将数组数据从数据类型（'；<；M8[ns]'；）强制转换为数据类型（'；float64'；）；安全'；

我正在使用numpy interp来插值数据点，但无法从dtype（'s）中转换数组数据 代码段：

import pandas as pd
import numpy as np
def interpolate_fwd_price(row, fx):
    res = np.interp(row['SA_M'], fx['TENOR_DT'], fx['RATE'])
    return res

df = pd.DataFrame({'SA_M': ['2018-02-28','2018-03-10']})
df['SA_M'] = pd.to_datetime(df['SA_M'])
data = pd.DataFrame({'TENOR_DT': ['2017-02-09','2017-03-02','2017-04-03','2017-05-02'], 'RATE':[1.0, 1.2, 1.5, 1.8]})
data['TENOR_DT'] = pd.to_datetime(data['TENOR_DT'])
df['PRICE'] = df.apply(interpolate_fwd_price, fx=data, axis=1)

我做了一些搜索，无法找出导致错误的原因。感谢您的输入

进行一些更改，它可以用于直接插值日期时间差，而不是直接插值日期时间。您仍然有兴趣知道为什么它不能直接插值日期时间

def interpolate_fwd_price(row, fx):
    fx['DT'] = (fx['TENOR_DT'] - row(['SA_M'])).dt.days
    res = np.interp(0, fx['DT'], fx['RATE'])
    return res

日期的数组版本：

In [98]: dt = data['TENOR_DT'].values
In [99]: dt
Out[99]: 
array(['2017-02-09T00:00:00.000000000', '2017-03-02T00:00:00.000000000',
       '2017-04-03T00:00:00.000000000', '2017-05-02T00:00:00.000000000'],
      dtype='datetime64[ns]')

可以使用默认的

unsafe

将其转换为浮动：

In [100]: dt.astype(float)
Out[100]: array([1.4865984e+18, 1.4884128e+18, 1.4911776e+18, 1.4936832e+18])
In [101]: dt.astype(float, casting='safe')
TypeError: Cannot cast array from dtype('<M8[ns]') to dtype('float64') according to the rule 'safe'

它仍然不允许安全施法，但“不安全”施法会产生看起来合理的数字。你可以在插值中使用这些数字

In [108]: dt.astype('datetime64[D]').astype(int)
Out[108]: array([17206, 17227, 17259, 17288])

---

当你询问一个错误时，你应该指出错误发生的地方。有时看到部分或全部的回溯会有所帮助。但我猜你是在尝试做一些数学，可能是插值，这确实适用于日期。

np.datetime64

是一种处理日期时间的数组数据类型。它使用64位，但我认为这是错误的s是一个整数值，不是浮点。我应该指出错误发生在最后一行：df['PRICE']=df.apply（interpolate_fwd_PRICE，fx=data，axis=1）

In [107]: dt.astype('datetime64[D]')
Out[107]: 
array(['2017-02-09', '2017-03-02', '2017-04-03', '2017-05-02'],
      dtype='datetime64[D]')

In [108]: dt.astype('datetime64[D]').astype(int)
Out[108]: array([17206, 17227, 17259, 17288])