Python 在Numpy 1.6.1中将float32数组转换为datetime64

在numpy中将整数日期转换为datetime64的正确方法是什么？我试过：

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

---

但是得到一个不正确的转换。使用numpy.loadtxt（它们来自csv文件）将它们正确地读入numpy.datetime64对象中如何？

您的问题是

datetime64

需要格式为

yyyy-mm-dd

的字符串，而类型转换生成格式为

yyyymmdd

的字符串。我建议这样做：

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)

但是它对我不起作用（我有numpy 1.6.1），它失败了，并显示消息“NotImplementedError:NotImplemented for this type”。除非在1.7中实现，否则我只能建议使用纯Python解决方案：

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

…或预处理您的输入，以按预期格式交付日期

编辑：我也可以提供另一种解决方案，使用

vectorize

，但我不太清楚它是如何工作的，所以我不知道出了什么问题：

>>> 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')

出于某种原因，它忽略了

类型

，并输出

|S4

，而不是

|S10

。很抱歉，我无法提供更多帮助，但这应该为搜索其他解决方案提供一个起点

更新：感谢OP的反馈，我想到了一个新的可能性。这应该如预期的那样起作用：

>>> 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))

---

奇怪的是，在这种情况下，

datetime64

无论有没有破折号都可以正常工作……

奇怪的是，它的工作原理是：

numpy.datetime64（a.astype（“S8”）.tolist（）

，而它没有：

numpy.datetime64（a.astype（“S8”）

。第一个方法的复杂度仍然比：

numpy.array（[numpy.datetime64（str（i））for i in a]）

。我问为什么进来。

+1来自我；您的第一个解决方案对我来说似乎很好（NumPy 2.0 dev）。我想知道为什么NumPy.datetime64（'20090921'）可以工作，如果所需的格式是带破折号的？@Benjamin真的很奇怪。。。但是你的评论给了我一个新的想法，试试我的更新答案，对我来说效果很好。所以基本上，numpy.array（[numpy.datetime64（str（i））代表a中的i]）。我想知道是否还有比这更直接的方法。@Benjamin:你说的更直接的方法是什么意思？从csv/文本文件中读取数据时直接读取？