如何使 python numpy 日期时间范围答案

【问题标题】：How can I make a python numpy arange of datetime如何使 python numpy 日期时间范围
【发布时间】：2012-08-21 15:55:21
【问题描述】：

我有一些输入数据，输入文件中的时间戳是从文件名中指定的日期时间开始的小时数。

这有点没用，所以我需要把它转换成python datetime.datetime对象，然后放到一个numpy数组中。我可以写一个 for 循环，但我想做这样的事情：

numpy.arange(datetime.datetime(2000, 1,1), datetime.datetime(2000, 1,2), datetime.timedelta(hours=1))

这会引发 TypeError。

这可以吗？我坚持使用 python 2.6 和 numpy 1.6.1。

【问题讨论】：

另见stackoverflow.com/questions/993358/…

标签： python datetime numpy timedelta

【解决方案1】：

from datetime import datetime, timedelta

t = np.arange(datetime(1985,7,1), datetime(2015,7,1), timedelta(days=1)).astype(datetime)

这里的重点是使用astype(datetime)，否则结果会是datetime64。

【讨论】：

TypeError：“模块”对象不可调用。任何想法？首先要导入什么？
@weefwefwqg3 你的导入可能是import datetime 而不是from datetime import datetime，所以datetime 不是类而是模块本身。

【解决方案2】：

见NumPy Datetimes and Timedeltas。基本上，您可以使用 numpy.datetime64 类型在 NumPy 中表示日期时间，这允许您执行值范围。

对于 NumPy 1.6，它的 datetime64 类型用处不大，您可以使用合适的列表推导来构建日期时间（另请参阅 Creating a range of dates in Python）：

base = datetime.datetime(2000, 1, 1)
arr = numpy.array([base + datetime.timedelta(hours=i) for i in xrange(24)])

这会产生

array([2000-01-01 00:00:00, 2000-01-01 01:00:00, 2000-01-01 02:00:00,
   2000-01-01 03:00:00, 2000-01-01 04:00:00, 2000-01-01 05:00:00,
   2000-01-01 06:00:00, 2000-01-01 07:00:00, 2000-01-01 08:00:00,
   2000-01-01 09:00:00, 2000-01-01 10:00:00, 2000-01-01 11:00:00,
   2000-01-01 12:00:00, 2000-01-01 13:00:00, 2000-01-01 14:00:00,
   2000-01-01 15:00:00, 2000-01-01 16:00:00, 2000-01-01 17:00:00,
   2000-01-01 18:00:00, 2000-01-01 19:00:00, 2000-01-01 20:00:00,
   2000-01-01 21:00:00, 2000-01-01 22:00:00, 2000-01-01 23:00:00], dtype=object)

【讨论】：

如果我有 numpy 1.7，这就是答案。但是好像我有1.6.1，所以这个例子不起作用。
并且还兼容我需要输出的日期时间。谢谢！
这不是矢量化解决方案，所以可能会很慢

【解决方案3】：

使用现代 NumPy，您可以做到这一点：

np.arange(np.datetime64('2017-01-01'), np.datetime64('2017-01-08'))

它给你：

array(['2017-01-01', '2017-01-02', '2017-01-03', '2017-01-04',
       '2017-01-05', '2017-01-06', '2017-01-07'], dtype='datetime64[D]')

【讨论】：

我可以把步骤放在这里吗？例如：一周、10 天、一个月还是一年？
@weefwefwqg3：当然。使用np.timedelta64(...)。

【解决方案4】：

注意@nneonneo 解决方案可以简化为

result = first_date + np.arange(24) * datetime.timedelta(hours=1)

感谢 NumPy 数组操作。 result 数组有一个 dtype=object。

对于更复杂的范围，您可能对scikits.timeseries 包（不再维护）或更好的包感兴趣， pandas 包重新实现了scikits.timeseries 的大部分想法。这两个包都支持旧版本的 NumPy（1.5、1.6...）

【讨论】：

谢谢 - 看起来我应该在整个任务中使用 pandas。下次:-)

【解决方案5】：

正如另一个答案中所述，对于 Numpy > 1.7，您可以使用 Numpy 的内置日期时间功能。 Numpy 文档中的示例不包括将np.arange 与步骤一起使用，所以这里有一个：

timearray = np.arange('2000-01-01', '2000-01-02',np.timedelta64(1,'h'), dtype='datetime64')

Numpy 将此结果的 dtype 设置为 datetime64[h]。您可以使用dtype='datetime64[m]' 将其显式设置为更小的时间单位。

在 1.8.1 版（我希望更早）中，尝试向该结果数组添加小于一小时的偏移量将无效。

timearray += np.timedelta64(10,'s') 不变 timearray
timearray2 = timearray + np.timedelta64(10,'s') 将增加 10 秒到 timearray 并将 timearray2 的 dtype 转换为 datetime64[s]

【讨论】：