如何将int数组转换回pandas时间戳？

Question

我能够将pandas timestamp类型的numpy-array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)

对于此数组a，我想将列0转换回熊猫时间戳记。 由于数组很大，而且我的整个过程非常耗时，因此我想避免使用python循环，apply，lambda或类似的东西。 相反，我正在寻找基于速度优化的基于本地numpy的函数等。

我已经尝试过类似的事情：

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

（结果： ValueError: Converting an integer to a NumPy datetime requires a specified unit ）

和：

import calendar
calendar.timegm(a[:,0].utctimetuple())

（结果： AttributeError: 'numpy.ndarray' object has no attribute 'utctimetuple' ）

如何将列a[:,0]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？

Answer 1

让我们回顾一下文档

datetime64数据的不变ndarray，内部表示为int64，可以装箱到Timestamp对象中，这些对象是datetime的子类，并携带元数据（例如频率信息）。

因此，我们可以使用DatetimeIndex 。 然后使用np.int64对其进行np.int64 。

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')