![](/img/trans.png)
[英]In a numpy array is dtype np.datetime64 or pandas object datetime.date faster?
[英]Converting np.array of unix timestamps (dtype '<U21') to np.datetime64
我正在寻找处理大量数据,因此我对计算以下内容的最快方法感兴趣:
我将以下 np.array 作为 np.ndarray 的一部分,我想将其从“<U21”转换为“np.datetime64”(毫秒)。
当我在一个条目上执行以下代码时,它可以工作:
tmp_array[:,0][0].astype(int).astype('datetime64[ms]')
结果:numpy.datetime64('2019-10-09T22:54:00.000')
当我像这样在子数组上执行相同的操作时:
tmp_array[:,0] = tmp_array[:,0].astype(int).astype('datetime64[ms]')
我总是收到以下错误:
RuntimeError: The string provided for NumPy ISO datetime formatting was too short, with length 21
numpy 版本 1.22.4
array(['1570661640000', '1570661700000', '1570661760000'],dtype='<U21')
我确信有一种方法可以使用 numpy 的强大功能来更有效地执行此操作,但这种方法有效:给定您的 tmp_array 形式:
array(['1570661640000', '1570661700000', '1570661760000'], dtype='<U21')
将 unix 基准日期表示为:
db = np.datetime64('1970-01-01')
然后通过以下方式创建所需的日期时间数组:
cnvrt_array = np.array([db + np.timedelta64(int(x), 'ms') for x in tmp_array])
这产生了数组:
array(['2019-10-09T22:54:00.000', '2019-10-09T22:55:00.000',
'2019-10-09T22:56:00.000'], dtype='datetime64[ms]')
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.