Python 从numpy datetime64获取年、月或日

我有一个datetime64类型的数组：

dates = np.datetime64(['2010-10-17', '2011-05-13', "2012-01-15"])

有没有比通过循环每个元素来获得np.array年数更好的方法

years = f(dates)
#output:
array([2010, 2011, 2012], dtype=int8) #or dtype = string

---

我使用的是稳定的numpy版本1.6.2。

如果您升级到numpy 1.7（其中datetime仍然标记为实验版），以下应该可以工作

dates/np.timedelta64(1,'Y')

---

由于datetime在numpy不稳定，因此我将使用pandas：

In [52]: import pandas as pd

In [53]: dates = pd.DatetimeIndex(['2010-10-17', '2011-05-13', "2012-01-15"])

In [54]: dates.year
Out[54]: array([2010, 2011, 2012], dtype=int32)

---

Pandas在内部使用numpy datetime，但似乎避免了numpy迄今为止的不足。

不幸的是，目前还没有直接的方法，但有两种间接的方法：

[dt.year for dt in dates.astype(object)]

或

两者都是从例子中得到启发的

---

这两种方法在Numpy 1.6.1上都适用。您可能需要更加小心地使用第二种方法，因为datetime64的repr（）可能在小数点后有一个小数部分。

我发现与上述pandas方法相比，以下技巧可以使速度提高2到4倍（即

pd.DatetimeIndex（dates）.year

等）。

[dt.year for dt in dates.astype（object）]

的速度与pandas方法类似。此外，这些技巧还可以直接应用于任何形状（2D、3D等）的NDArray

---

应该有一种更简单的方法来实现这一点，但是，根据您的尝试，最好的方法可能是转换为常规：

---

根据下面的评论，这似乎只适用于使用numpy版本1.10.4和pandas版本0.17.1的Python 2.7.x和Python 3.6+

dates = np.array(['2010-10-17', '2011-05-13', '2012-01-15'], dtype=np.datetime64)
pd.to_datetime(dates).year

我得到了你想要的：

array([2010, 2011, 2012], dtype=int32)

对我来说效果很好，但我只需要修改

天的语句

发件人：

days=dates-dates.astype（'datetime64[M]'）+1

致：

---

days=dates.astype（'datetime64[D]'）-dates.astype（'datetime64[M]'）+1

另一种可能性是：

np.datetime64(dates,'Y') - returns - numpy.datetime64('2010')

或

但只对标量值有效，不接受数组。我就是这样做的

import numpy as np

def dt2cal(dt):
    """
    Convert array of datetime64 to a calendar array of year, month, day, hour,
    minute, seconds, microsecond with these quantites indexed on the last axis.

    Parameters
    ----------
    dt : datetime64 array (...)
        numpy.ndarray of datetimes of arbitrary shape

    Returns
    -------
    cal : uint32 array (..., 7)
        calendar array with last axis representing year, month, day, hour,
        minute, second, microsecond
    """

    # allocate output 
    out = np.empty(dt.shape + (7,), dtype="u4")
    # decompose calendar floors
    Y, M, D, h, m, s = [dt.astype(f"M8[{x}]") for x in "YMDhms"]
    out[..., 0] = Y + 1970 # Gregorian Year
    out[..., 1] = (M - Y) + 1 # month
    out[..., 2] = (D - M) + 1 # dat
    out[..., 3] = (dt - D).astype("m8[h]") # hour
    out[..., 4] = (dt - h).astype("m8[m]") # minute
    out[..., 5] = (dt - m).astype("m8[s]") # second
    out[..., 6] = (dt - s).astype("m8[us]") # microsecond
    return out

它可以跨任意输入维度进行矢量化，速度快，直观，适用于numpy v1.15.4，不使用熊猫

我真的希望numpy支持这个功能，它在应用程序开发中一直是必需的。当我不得不像这样滚动我自己的东西时，我总是非常紧张，我总是觉得我错过了一个边缘案例。

使用

dates.tolist（）

转换为本机datetime对象，然后只需访问

year

。例如：

日期=np.数组（['2010-10-17'，'2011-05-13'，'2012-01-15'，dtype='datetime64'） >>>[x.year for x in dates.tolist（）] [2010, 2011, 2012] 这基本上与中公开的想法相同，但使用更简单的语法

使用python 3.6/numpy 1.18进行测试。

将

np.datetime64

转换为浮点年份 在这个解决方案中，您可以逐步了解如何处理

np.datetime64

数据类型

在以下情况下，dt64的类型为

np.datetime64

（甚至是该类型的numpy.ndarray）：

• year=dt64.astype（'M8[Y]）

  只包含年份。如果您想要这样的浮点数组，请执行

  1970+year.astype（float）

• 您可以通过

  days=（dt64-year）访问的天数（自1月1日起）。astype（'timedelta64[D]”）

• 您还可以推断一年是否为闰年（比较一年中的天数）

输出

2011-11-11 as float: 2011.8602739726027

dates:       ['1970-01-01' '2014-01-01' '2020-12-31' '2019-12-31' '2010-04-28']
float_dates: [1970.         2014.         2020.99726776 2019.99726027 2010.32054795]

---

这显然已经很晚了，但我从其中一个答案中受益匪浅，所以在这里分享我的观点

---

---

这给了我一个月的错误结果，numpy 1.7.1和pandas 0.12.0。但是，

Series（dates）.apply（lambda x:x.month）

似乎可以工作。对于相同的版本，这里没有问题。如果你真的得到了错误的结果，你应该打开一个pandas问题。哦，我实际上使用了

pd.DatetimeIndex（np.datetime64（['2010-10-17'，'2011-05-13'，'2012-01-15'））

将datetime64对象转换成pandas可以解析的字符串。@sebix:为什么？Pandas理解Datetime64。您可以使用列表操作在整个数组上执行此操作：

[dtime64Array.astype（object）]

此代码有效，但如果我给它一个不同的np.Datetime64（来自数据帧的日期），它的计算结果将是long，而不是datetime。。。即使我显式使用astype（datetime.datetime），它的计算结果也是long。。。奇怪的…。@approwest先生，我对此不确定。也许值得写一个更详细的版本来展示双重行为的例子。然后将其作为一个新问题提交，并在此处链接。这在python 3.5中不起作用-

AttributeError:'int'对象没有属性'year'

。我也不知道为什么is应该在2.7中工作，为什么

.astype（object）

转换成

datetime.datetime

？我刚刚在python-3.6.3中测试了它，它可以工作：

将numpy作为np导入；打印（np.datetime64（'2002-07-04T02:55:41-0700'）.aType（object.year）

注意，从1.9开始，此方法不起作用。此除法用于将时间跨度转换为浮点数年。它不会提取日期的年份属性。这是一个很好的解决方案。如果在numpy中有这样简单的东西，那就太好了。谢谢你给了我一个答案，而不是说“你不应该使用，改用”。这很有效，而且对

datetime

无法处理的日期也有效：

d=np.datetime64（'-200003-10-01'）。astype（'datetime64[Y]'）。astype（int）+1970

产生

-2000003

以获取整数，而不是

timedelta64[D]

在上面的

天的示例中，使用：
（dates-dates.astype（'datetime64[M]'）。astype（int）+1
这在python 3.5、numpy 1.11中不起作用，出于同样的原因，我对这个答案的评论应该变成对你提到的Anon答案的评论（或编辑）。你写“f（日期）”是什么意思。“f（）”做什么？为这个
pd添加了一个功能请求。to_datetime
可能是一个非常慢的优秀函数。可能真的
days = dates - dates.astype('datetime64[M]') + 1
days = dates.astype('datetime64[D]') - dates.astype('datetime64[M]') + 1
np.datetime64(dates,'Y') - returns - numpy.datetime64('2010')

np.datetime64(dates,'Y').astype(int)+1970 - returns - 2010

import numpy as np

def dt2cal(dt):
    """
    Convert array of datetime64 to a calendar array of year, month, day, hour,
    minute, seconds, microsecond with these quantites indexed on the last axis.

    Parameters
    ----------
    dt : datetime64 array (...)
        numpy.ndarray of datetimes of arbitrary shape

    Returns
    -------
    cal : uint32 array (..., 7)
        calendar array with last axis representing year, month, day, hour,
        minute, second, microsecond
    """

    # allocate output 
    out = np.empty(dt.shape + (7,), dtype="u4")
    # decompose calendar floors
    Y, M, D, h, m, s = [dt.astype(f"M8[{x}]") for x in "YMDhms"]
    out[..., 0] = Y + 1970 # Gregorian Year
    out[..., 1] = (M - Y) + 1 # month
    out[..., 2] = (D - M) + 1 # dat
    out[..., 3] = (dt - D).astype("m8[h]") # hour
    out[..., 4] = (dt - h).astype("m8[m]") # minute
    out[..., 5] = (dt - m).astype("m8[s]") # second
    out[..., 6] = (dt - s).astype("m8[us]") # microsecond
    return out

import numpy as np
import pandas as pd

def dt64_to_float(dt64):
    """Converts numpy.datetime64 to year as float.

    Rounded to days

    Parameters
    ----------
    dt64 : np.datetime64 or np.ndarray(dtype='datetime64[X]')
        date data

    Returns
    -------
    float or np.ndarray(dtype=float)
        Year in floating point representation
    """

    year = dt64.astype('M8[Y]')
    # print('year:', year)
    days = (dt64 - year).astype('timedelta64[D]')
    # print('days:', days)
    year_next = year + np.timedelta64(1, 'Y')
    # print('year_next:', year_next)
    days_of_year = (year_next.astype('M8[D]') - year.astype('M8[D]')
                    ).astype('timedelta64[D]')
    # print('days_of_year:', days_of_year)
    dt_float = 1970 + year.astype(float) + days / (days_of_year)
    # print('dt_float:', dt_float)
    return dt_float

if __name__ == "__main__":

    dt_str = '2011-11-11'
    dt64 = np.datetime64(dt_str)
    print(dt_str, 'as float:', dt64_to_float(dt64))
    print()

    dates = np.array([
        '1970-01-01', '2014-01-01', '2020-12-31', '2019-12-31', '2010-04-28'],
        dtype='datetime64[D]')
    float_dates = dt64_to_float(dates)


    print('dates:      ', dates)
    print('float_dates:', float_dates)

2011-11-11 as float: 2011.8602739726027

dates:       ['1970-01-01' '2014-01-01' '2020-12-31' '2019-12-31' '2010-04-28']
float_dates: [1970.         2014.         2020.99726776 2019.99726027 2010.32054795]