python - float 到 uint16 的转换会导致 numpy 中的数字增加吗？

Question

我的数据有从 1947 年到 2012 年的每日 indate 和从 1997 年到 2012 年的 outdate。我不明白下面的行如何导致 Monthstoadd = 62844 (这会增加一些时间偏移量)。可以转换为uint16以便在循环中使用吗？为什么？我们可以做什么？

以下行适用于 INDATUMA 和 UTDATUMA 格式为 20071231 的数据，例如日期解析似乎适用于 indate 和 outdate，这些值是有意义的。(我展示的代码比严格必要的要多，因为我对什么应该起作用的假设在某些地方显然是错误的，所以也许我在什么方面是错误的。数据结构来自 pandas。)

all_treatments['indate'] = pd.to_datetime(all_treatments['INDATUMA'], errors='coerce',format='%Y%m%d')
all_treatments['outdate'] = pd.to_datetime(all_treatments['UTDATUMA'], errors='coerce',format='%Y%m%d')
all_treatments['extramonths'] = 12*(all_treatments['outdate'].dt.year-all_treatments['indate'].dt.year)+(all_treatments['outdate'].dt.month-all_treatments['indate'].dt.month)
emcolix     = all_treatments.columns.get_loc('extramonths')
for i in range(0,originalN):
    monthstoadd = all_treatments.iloc[i,emcolix].astype('uint16')
    for x in range(0,monthstoadd):

最后一行显示了一个循环，该循环在 x = 3174 处以 monthstoadd = 62844 中断，这对于我使用的日期范围没有任何意义。

Answer 1

Pandas Series 中整数的默认数据类型是 int64——一个有符号 64 位整数。

In [82]: pd.Series([-2692]).dtype
Out[82]: dtype('int64')

如果您使用 astype 将数据类型转换为 uint16(一个无符号 16 位整数)，则 int64 超出可表示为 uint16 的整数范围的值将强制转换为 uint16 值。例如，负数 int64 -2692 作为 uint16 映射到 62844:

In [80]: np.array([-2692], dtype='int64').astype('uint16')
Out[80]: array([62844], dtype=uint16)

<小时/>

以下是可表示为 int64 的整数范围:

In [83]: np.iinfo('int64')
Out[83]: iinfo(min=-9223372036854775808, max=9223372036854775807, dtype=int64)

这里是可表示为 uint16s 的整数范围:

In [84]: np.iinfo('uint16')
Out[84]: iinfo(min=0, max=65535, dtype=uint16)

<小时/>

要调试此类问题，隔离出现该问题的玩具示例非常有用。例如，如果您运行

for i in range(0,originalN):
    monthstoadd = all_treatments.iloc[i,emcolix].astype('uint16')
    if monthstoadd == 62844:
        print(all_treatments.iloc[i,emcolix])
        print(all_treatments.iloc[i,emcolix].dtype)
        break

那么您将在调用 astype 之前看到 all_treatments.iloc[i,emcolix] 的值，以及 dtype。这将是发现问题根源的良好起点。