Python 如何将int数组转换回时间戳？

我能够将

pandas timestamp

类型的numpy数组列转换为int数组：

import numpy as np
import pandas as pd

df = pd.DataFrame({'a': [pd.datetime(2019, 1, 11, 5, 30, 1), pd.datetime(2019, 1, 11, 5, 30, 1), pd.datetime(2019, 1, 11, 5, 30, 1)], 'b': [np.nan, 5.1, 1.6]})

a = df.to_numpy()
a
# array([[Timestamp('2019-01-11 05:30:01'), nan],
#       [Timestamp('2019-01-11 05:30:01'), 5.1],
#       [Timestamp('2019-01-11 05:30:01'), 1.6]], dtype=object)
a[:,0] = a[:,0].astype('datetime64').astype(np.int64)
# array([[1547184601000000, nan],
#        [1547184601000000, 5.1],
#        [1547184601000000, 1.6]], dtype=object)

对于这个数组a，我想将列0转换回时间戳。由于数组相当大，而且我的整个过程相当耗时，我希望避免使用python循环、apply、lambda或类似的东西。相反，我正在寻找速度优化的基于numpy的本机函数等

我已经试过了，比如：

a[:,0].astype('datetime64')

（结果：

ValueError:将整数转换为NumPy日期时间需要指定的单位

）

以及：

（结果：

AttributeError:'numpy.ndarray'对象没有属性“utctimetuple”

）

如何将我的列

a[：，0]

转换回

array([[Timestamp('2019-01-11 05:30:01'), nan],
      [Timestamp('2019-01-11 05:30:01'), 5.1],
      [Timestamp('2019-01-11 05:30:01'), 1.6]], dtype=object)

以速度优化的方式？

让我们回顾一下

datetime64数据的不可变数据数组，内部表示为int64，可以装箱到作为datetime子类的时间戳对象，并携带元数据，如频率信息

因此，我们可以使用

DatetimeIndex

。然后使用

np.int64

对其进行转换

In [18]: b = a[:,0]                                                             

In [19]: index = pd.DatetimeIndex(b)

In [21]: index.astype(np.int64)                                                 
Out[21]: Int64Index([1547184601000000000, 1547184601000000000, 1547184601000000000], dtype='int64')

---

“返回”是什么意思？我看不出您的原始数据与所需输出之间的差异？我的意思是从带有

int

s（'1547184601000000'等）的列中得到的“返回”返回到时间戳（

'2019-01-11 05:30:01'

）谢谢，这非常有用。但是，您必须在1000之前多倍运算，才能得到正确的结果：

pd.DatetimeIndex（a[：，0]*1e3）

可以装箱到

-这意味着什么？@wwii要解释您的问题，我想您应该检查链接

In [18]: b = a[:,0]                                                             

In [19]: index = pd.DatetimeIndex(b)

In [21]: index.astype(np.int64)                                                 
Out[21]: Int64Index([1547184601000000000, 1547184601000000000, 1547184601000000000], dtype='int64')