Python 如何避免将np.datetime64添加到numpy数组时自动转换为datetime？

对于以下示例，当dtype为

np.datetime64

的元素添加到另一个numpy数组时，它们会自动转换为

datetime.datetime

如何避免这种自动转换

import numpy as np
a = np.array([['2018-04-01T15:30:00'],
       ['2018-04-01T15:31:00'],
       ['2018-04-01T15:32:00'],
       ['2018-04-01T15:33:00'],
       ['2018-04-01T15:34:00']], dtype='datetime64[s]')
c = np.array([0,1,2,3,4]).reshape(-1,1)
c = c.astype("object")
d = np.append(c,a,axis=1)
d

---

有时，我们必须制作一个“空白”对象数组，并逐块填充它

In [57]: d = np.empty((5,2), object)
In [58]: d
Out[58]: 
array([[None, None],
       [None, None],
       [None, None],
       [None, None],
       [None, None]], dtype=object)

我们可以按列填充它，但结果与

串联

（不要使用

np.append

）：

与

a.astype（object）

一样，它“取消”了日期

但是如果我一个接一个地分配元素：

In [62]: for i in range(5):
    ...:     d[i,1]=a[i,0]
    ...:     
In [63]: d
Out[63]: 
array([[0, numpy.datetime64('2018-04-01T15:30:00')],
       [1, numpy.datetime64('2018-04-01T15:31:00')],
       [2, numpy.datetime64('2018-04-01T15:32:00')],
       [3, numpy.datetime64('2018-04-01T15:33:00')],
       [4, numpy.datetime64('2018-04-01T15:34:00')]], dtype=object)

但是这样一个数组的价值是什么呢

我可以向原始时间数组添加时间增量：

In [67]: a + np.array(10, 'timedelta64[m]')
Out[67]: 
array([['2018-04-01T15:40:00'],
       ['2018-04-01T15:41:00'],
       ['2018-04-01T15:42:00'],
       ['2018-04-01T15:43:00'],
       ['2018-04-01T15:44:00']], dtype='datetime64[s]')

但我不能对对象数组列执行相同的操作：

In [68]: d[:,1] + np.array(10, 'timedelta64[m]')
---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-68-f82827d3d355> in <module>()
----> 1 d[:,1] + np.array(10, 'timedelta64[m]')

TypeError: ufunc add cannot use operands with types dtype('O') and dtype('<m8[m]')

---

有时，我们必须制作一个“空白”对象数组，并逐块填充它

In [57]: d = np.empty((5,2), object)
In [58]: d
Out[58]: 
array([[None, None],
       [None, None],
       [None, None],
       [None, None],
       [None, None]], dtype=object)

我们可以按列填充它，但结果与

串联

（不要使用

np.append

）：

与

a.astype（object）

一样，它“取消”了日期

但是如果我一个接一个地分配元素：

In [62]: for i in range(5):
    ...:     d[i,1]=a[i,0]
    ...:     
In [63]: d
Out[63]: 
array([[0, numpy.datetime64('2018-04-01T15:30:00')],
       [1, numpy.datetime64('2018-04-01T15:31:00')],
       [2, numpy.datetime64('2018-04-01T15:32:00')],
       [3, numpy.datetime64('2018-04-01T15:33:00')],
       [4, numpy.datetime64('2018-04-01T15:34:00')]], dtype=object)

但是这样一个数组的价值是什么呢

我可以向原始时间数组添加时间增量：

In [67]: a + np.array(10, 'timedelta64[m]')
Out[67]: 
array([['2018-04-01T15:40:00'],
       ['2018-04-01T15:41:00'],
       ['2018-04-01T15:42:00'],
       ['2018-04-01T15:43:00'],
       ['2018-04-01T15:44:00']], dtype='datetime64[s]')

但我不能对对象数组列执行相同的操作：

In [68]: d[:,1] + np.array(10, 'timedelta64[m]')
---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-68-f82827d3d355> in <module>()
----> 1 d[:,1] + np.array(10, 'timedelta64[m]')

TypeError: ufunc add cannot use operands with types dtype('O') and dtype('<m8[m]')

使用记录数组而不是

dtype=object

通过构造一个可以正确处理不同类型列的数组来修复此问题。最简单的方法是做一个

rarr = np.rec.fromarrays([a, c], names=('date', 'val'))

print(rarr)
# output
#     rec.array([[('2018-04-01T15:30:00', 0)],
#                [('2018-04-01T15:31:00', 1)],
#                [('2018-04-01T15:32:00', 2)],
#                [('2018-04-01T15:33:00', 3)],
#                [('2018-04-01T15:34:00', 4)]],
#               dtype=[('date', '<M8[s]'), ('val', '<i8')])

print(rarr.date)
# output
#     array([['2018-04-01T15:30:00'],
#            ['2018-04-01T15:31:00'],
#            ['2018-04-01T15:32:00'],
#            ['2018-04-01T15:33:00'],
#            ['2018-04-01T15:34:00']], dtype='datetime64[s]')

使用记录数组而不是

dtype=object

通过构造一个可以正确处理不同类型列的数组来修复此问题。最简单的方法是做一个

rarr = np.rec.fromarrays([a, c], names=('date', 'val'))

print(rarr)
# output
#     rec.array([[('2018-04-01T15:30:00', 0)],
#                [('2018-04-01T15:31:00', 1)],
#                [('2018-04-01T15:32:00', 2)],
#                [('2018-04-01T15:33:00', 3)],
#                [('2018-04-01T15:34:00', 4)]],
#               dtype=[('date', '<M8[s]'), ('val', '<i8')])

print(rarr.date)
# output
#     array([['2018-04-01T15:30:00'],
#            ['2018-04-01T15:31:00'],
#            ['2018-04-01T15:32:00'],
#            ['2018-04-01T15:33:00'],
#            ['2018-04-01T15:34:00']], dtype='datetime64[s]')

---

追加前的

c

是什么

a.tolist（）

生成

datetime

对象

astype（object）

可能正在执行相同的操作。为什么要尝试加入这些数组？你打算对结果做什么？不管你怎么做，它不是一个标准的numpy数组。我刚刚检查过

x.astype（对象）

“取消装箱”所有内容

np.float64

数字变成

float

<代码>关于“您为什么尝试加入这些阵列？”-对于我达到pandas性能极限的情况，这应该是pandas的外行替代方案。现在我明白了我必须用numpy做不同的事情：-）追加之前的

c

是什么

a.tolist（）

生成

datetime

对象

astype（object）

可能正在执行相同的操作。为什么要尝试加入这些数组？你打算对结果做什么？不管你怎么做，它不是一个标准的numpy数组。我刚刚检查过

x.astype（对象）

“取消装箱”所有内容

np.float64

数字变成

float

<代码>关于“您为什么尝试加入这些阵列？”-对于我达到pandas性能极限的情况，这应该是pandas的外行替代方案。现在我知道我必须用numpy做不同的事情：-）