作者热门文章
- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我需要在单独的函数中从 pandas 帧值转换日期:
def myfunc(lat, lon, when):
ts = (when - np.datetime64('1970-01-01T00:00:00Z','s')) / np.timedelta64(1, 's')
date = datetime.datetime.utcfromtimestamp(ts)
print("Numpy date= ", when, " Python date= ", date)
return float(90) - next_func(lat, lon, date)
调用此函数:
new_df['new_column'] = np.vectorize(my_func)(lat, lon, new_df['datetime(LT)'])
但它会引发错误:
ufunc subtract cannot use operands with types dtype('int64') and dtype('<M8[s]')
如何将 numpy datetime64 [ns] 转换为 python 日期时间?
最佳答案
我想知道您是否需要所有这些转换工作。使用正确的时间单位,datetime64
可以直接生成 datetime
对象。
我不确定您的 when
变量,但我们假设它来自 pandas
,并且类似于 DatetimeIndex
:
In [56]: time = pandas.date_range('6/28/2013', periods=5, freq='5D')
In [57]: time
Out[57]:
DatetimeIndex(['2013-06-28', '2013-07-03', '2013-07-08', '2013-07-13',
'2013-07-18'],
dtype='datetime64[ns]', freq='5D')
等效的 numpy 数组
In [58]: time.values
Out[58]:
array(['2013-06-28T00:00:00.000000000', '2013-07-03T00:00:00.000000000',
'2013-07-08T00:00:00.000000000', '2013-07-13T00:00:00.000000000',
'2013-07-18T00:00:00.000000000'], dtype='datetime64[ns]')
In [59]: time.values.tolist()
Out[59]:
[1372377600000000000,
1372809600000000000,
1373241600000000000,
1373673600000000000,
1374105600000000000]
使用[ns]
,结果是一个大整数,某种“时间戳”。但是如果我将时间单位转换为秒,甚至微秒(us):
In [60]: time.values.astype('datetime64[s]')
Out[60]:
array(['2013-06-28T00:00:00', '2013-07-03T00:00:00',
'2013-07-08T00:00:00', '2013-07-13T00:00:00',
'2013-07-18T00:00:00'], dtype='datetime64[s]')
In [61]: time.values.astype('datetime64[s]').tolist()
Out[61]:
[datetime.datetime(2013, 6, 28, 0, 0),
datetime.datetime(2013, 7, 3, 0, 0),
datetime.datetime(2013, 7, 8, 0, 0),
datetime.datetime(2013, 7, 13, 0, 0),
datetime.datetime(2013, 7, 18, 0, 0)]
结果是一个datetime
对象列表。
关于python - 如何将 numpy datetime64 [ns] 转换为 python 日期时间?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/52982056/
我是一名优秀的程序员,十分优秀!