Python/Numpy : problems with type conversion in vectorize and item

Question

我正在编写一个函数来从数组的日期时间中提取值。我希望该函数能够在 Pandas DataFrame 或 numpy ndarray 上运行。

值的返回方式应与 Python 日期时间属性相同，例如

from datetime import datetime
dt = datetime(2016, 10, 12, 13)
dt.year
  => 2016
dt.second
  => 0

对于 DataFrame，使用 applymap() 相当容易处理(尽管可能有更好的方法)。我使用 vectorize() 对 numpy ndarrays 尝试了相同的方法，但遇到了问题。我最终得到的不是我期望的值，而是非常大的整数，有时甚至是负数。

一开始这非常令人困惑，但我弄清楚发生了什么:向量化函数使用 item 而不是 __get__ 从 ndarray 中获取值。这似乎会自动将每个 datetime64 对象转换为 long:

nd[1][0]
  => numpy.datetime64('1986-01-15T12:00:00.000000000')
nd[1].item()
  => 506174400000000000L

long 似乎是自纪元 (1970-01-01T00:00:00) 以来的纳秒数。沿着这条线的某个地方，值被转换为整数并且它们溢出，因此是负数。

所以这就是问题所在。请有人帮我解决它吗？我唯一能想到的就是手动进行转换，但这实际上意味着重新实现 datetime 模块的一部分。

是否有一些不使用 item() 的 vectorize 替代方案？

谢谢!

最小代码示例:

## DataFrame works fine
import pandas as pd
from datetime import datetime

df = pd.DataFrame({'dts': [datetime(1970, 1, 1, 1), datetime(1986, 1, 15, 12),
                         datetime(2016, 7, 15, 23)]})
exp = pd.DataFrame({'dts': [1, 15, 15]})

df_func = lambda x: x.day    
out = df.applymap(df_func)

assert out.equals(exp)

## numpy ndarray is more difficult
from numpy import datetime64 as dt64, timedelta64 as td64, vectorize  # for brevity

# The unary function is a little more complex, especially for days and months where the minimum value is 1
nd_func = lambda x: int((dt64(x, 'D') - dt64(x, 'M') + td64(1, 'D')) / td64(1, 'D'))

nd = df.as_matrix()
exp = exp.as_matrix()
  => array([[ 1],
            [15],
            [15]])

# The function works as expected on a single element...
assert nd_func(nd[1][0]) == 15

# ...but not on an ndarray
nd_vect = vectorize(nd_func)
out = nd_vect(nd)
  => array([[    -105972749999999],
            [ 3546551532709551616],
            [-6338201187830896640]])

Answer 1

在 Py3 中，错误为 OverflowError:Python int 太大，无法转换为 C long。

In [215]: f=np.vectorize(nd_func,otypes=[int])
In [216]: f(dts)
... 
OverflowError: Python int too large to convert to C long

但是如果我更改日期时间单位，它运行正常

In [217]: f(dts.astype('datetime64[ms]'))
Out[217]: array([ 1, 15, 15])

我们可以更深入地研究这个问题，但这似乎是最简单的解决方案。

请记住，vectorize 是一个方便的函数；它使得多维迭代变得更容易。但对于一维数组来说它基本上是

np.array([nd_func(i) for i in dts])

但请注意，我们不必使用迭代:

In [227]: (dts.astype('datetime64[D]') - dts.astype('datetime64[M]') + td64(1,'D')) / td64(1,'D').astype(int)
Out[227]: array([ 1, 15, 15], dtype='timedelta64[D]')