关于python:在datetime,Timestamp和datetime64之间转换

Converting between datetime, Timestamp and datetime64

如何将numpy.datetime64对象转换为datetime.datetime对象(或Timestamp对象)?

在下面的代码中,我创建了一个datetime、timestamp和datetime64对象。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
import datetime
import numpy as np
import pandas as pd
dt = datetime.datetime(2012, 5, 1)
# A strange way to extract a Timestamp object, there's surely a better way?
ts = pd.DatetimeIndex([dt])[0]
dt64 = np.datetime64(dt)

In [7]: dt
Out[7]: datetime.datetime(2012, 5, 1, 0, 0)

In [8]: ts
Out[8]: <Timestamp: 2012-05-01 00:00:00>

In [9]: dt64
Out[9]: numpy.datetime64('2012-05-01T01:00:00.000000+0100')

注意:很容易从时间戳中获取日期时间:

1
2
In [10]: ts.to_datetime()
Out[10]: datetime.datetime(2012, 5, 1, 0, 0)

但是我们如何从numpy.datetime64中提取datetimeTimestamp

.

更新:在我的数据集中,一个有点讨厌的例子(可能是激励性的例子)似乎是:

1
dt64 = numpy.datetime64('2002-06-28T01:00:00.000000000+0100')

它应该是datetime.datetime(2002, 6, 28, 1, 0),不长!!)(1025222400000000000L……


您只能使用pd.timestamp构造函数。下面的图表可能对这个问题和相关问题有用。

Conversions between time representations


欢迎来到地狱。

只需将datetime64对象传递给pandas.Timestamp

1
2
In [16]: Timestamp(numpy.datetime64('2012-05-01T01:00:00.000000'))
Out[16]: <Timestamp: 2012-05-01 01:00:00>

我注意到,在numpy 1.6.1中,这并不适用:

1
numpy.datetime64('2012-05-01T01:00:00.000000+0100')

另外,可以使用pandas.to_datetime(这是dev版本的关闭,还没有检查v0.9.1):

1
2
In [24]: pandas.to_datetime('2012-05-01T01:00:00.000000+0100')
Out[24]: datetime.datetime(2012, 5, 1, 1, 0, tzinfo=tzoffset(None, 3600))


要将numpy.datetime64转换为表示numpy-1.8上UTC时间的datetime对象,请执行以下操作:

1
2
3
4
5
6
7
8
9
10
11
12
13
>>> from datetime import datetime
>>> import numpy as np
>>> dt = datetime.utcnow()
>>> dt
datetime.datetime(2012, 12, 4, 19, 51, 25, 362455)
>>> dt64 = np.datetime64(dt)
>>> ts = (dt64 - np.datetime64('1970-01-01T00:00:00Z')) / np.timedelta64(1, 's')
>>> ts
1354650685.3624549
>>> datetime.utcfromtimestamp(ts)
datetime.datetime(2012, 12, 4, 19, 51, 25, 362455)
>>> np.__version__
'1.8.0.dev-7b75899'

上面的示例假设一个幼稚的datetime对象被np.datetime64解释为UTC中的时间。

要将datetime转换为np.datetime64并返回(numpy-1.6):

1
2
>>> np.datetime64(datetime.utcnow()).astype(datetime)
datetime.datetime(2012, 12, 4, 13, 34, 52, 827542)

它既适用于单个np.datetime64对象,也适用于np.datetime64的numpy数组。

以与np.int8、np.int16等相同的方式来考虑np.datetime64,并应用相同的方法来转换python对象(如int、datetime和相应的numpy对象)之间的beatetween。

你的"坏榜样"工作正常:

1
2
3
4
5
6
>>> from datetime import datetime
>>> import numpy
>>> numpy.datetime64('2002-06-28T01:00:00.000000000+0100').astype(datetime)
datetime.datetime(2002, 6, 28, 0, 0)
>>> numpy.__version__
'1.6.2' # current version available via pip install numpy

我可以复制安装在numpy-1.8.0上的long值,如下所示:

1
pip install git+https://github.com/numpy/numpy.git#egg=numpy-dev

同样的例子:

1
2
3
4
5
6
>>> from datetime import datetime
>>> import numpy
>>> numpy.datetime64('2002-06-28T01:00:00.000000000+0100').astype(datetime)
1025222400000000000L
>>> numpy.__version__
'1.8.0.dev-7b75899'

它返回long,因为对于numpy.datetime64类型.astype(datetime)等价于.astype(object),该类型返回numpy-1.8上的python integer(long)。

要获取日期时间对象,可以:

1
2
3
4
5
>>> dt64.dtype
dtype('<M8[ns]')
>>> ns = 1e-9 # number of seconds in a nanosecond
>>> datetime.utcfromtimestamp(dt64.astype(int) * ns)
datetime.datetime(2002, 6, 28, 0, 0)

要获取直接使用秒的datetime64,请执行以下操作:

1
2
3
4
5
>>> dt64 = numpy.datetime64('2002-06-28T01:00:00.000000000+0100', 's')
>>> dt64.dtype
dtype('<M8[s]')
>>> datetime.utcfromtimestamp(dt64.astype(int))
datetime.datetime(2002, 6, 28, 0, 0)

numpy文档说datetime API是实验性的,在未来的numpy版本中可能会发生变化。


我认为,为了更好地解释python的datetime模块、numpy的datetime64/timedelta64和pandas的timestamp/timedelta对象之间的关系,可能有一个更为统一的解决方案。

python的日期时间标准库

日期时间标准库有四个主要对象

  • 仅时间-以小时、分钟、秒和微秒为单位测量的时间
  • 日期-仅限年、月和日
  • 日期时间-时间和日期的所有组件
  • 时间增量-最大天数单位的时间量

创建这四个对象

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
>>> import datetime
>>> datetime.time(hour=4, minute=3, second=10, microsecond=7199)
datetime.time(4, 3, 10, 7199)

>>> datetime.date(year=2017, month=10, day=24)
datetime.date(2017, 10, 24)

>>> datetime.datetime(year=2017, month=10, day=24, hour=4, minute=3, second=10, microsecond=7199)
datetime.datetime(2017, 10, 24, 4, 3, 10, 7199)

>>> datetime.timedelta(days=3, minutes = 55)
datetime.timedelta(3, 3300)

>>> # add timedelta to datetime
>>> datetime.timedelta(days=3, minutes = 55) + \
    datetime.datetime(year=2017, month=10, day=24, hour=4, minute=3, second=10, microsecond=7199)
datetime.datetime(2017, 10, 27, 4, 58, 10, 7199)

numpy的datetime64和timedelta64对象

numpy没有单独的日期和时间对象,只有一个datetime64对象来表示一个时间点。datetime模块的datetime对象具有微秒精度(百万分之一秒)。numpy的datetime64对象允许您将其精度从小时一直设置为阿秒(10^-18)。它的构造函数更灵活,可以接受各种输入。

构造numpy的datetime64和timedelta64对象

传递带单位字符串的整数。在这里查看所有单位。它在Unix时代之后被转换成许多单位:1970年1月1日

1
2
3
4
5
>>> np.datetime64(5, 'ns')
numpy.datetime64('1970-01-01T00:00:00.000000005')

>>> np.datetime64(1508887504, 's')
numpy.datetime64('2017-10-24T23:25:04')

您也可以使用字符串,只要它们是ISO 8601格式。

1
2
>>> np.datetime64('2017-10-24')
numpy.datetime64('2017-10-24')

TimeDelta只有一个单位

1
2
>>> np.timedelta64(5, 'D') # 5 days
>>> np.timedelta64(10, 'h') 10 hours

也可以通过减去两个datetime64对象来创建它们

1
2
>>> np.datetime64('2017-10-24T05:30:45.67') - np.datetime64('2017-10-22T12:35:40.123')
numpy.timedelta64(147305547,'ms')

。熊猫时间戳和TimeDelta在numpy之上构建了更多的功能

熊猫时间戳与日期时间非常相似,但具有更多的功能。您可以使用pd.Timestamppd.to_datetime构建它们。

1
2
3
4
5
6
7
8
>>> pd.Timestamp(1239.1238934) #defautls to nanoseconds
Timestamp('1970-01-01 00:00:00.000001239')

>>> pd.Timestamp(1239.1238934, unit='D') # change units
Timestamp('1973-05-24 02:58:24.355200')

>>> pd.Timestamp('2017-10-24 05') # partial strings work
Timestamp('2017-10-24 05:00:00')

pd.to_datetime的工作原理非常相似(有更多的选项),可以将字符串列表转换为时间戳。

1
2
3
4
5
>>> pd.to_datetime('2017-10-24 05')
Timestamp('2017-10-24 05:00:00')

>>> pd.to_datetime(['2017-1-1', '2017-1-2'])
DatetimeIndex(['2017-01-01', '2017-01-02'], dtype='datetime64[ns]', freq=None)

。将python datetime转换为datetime64和timestamp

1
2
3
4
5
6
7
>>> dt = datetime.datetime(year=2017, month=10, day=24, hour=4,
                   minute=3, second=10, microsecond=7199)
>>> np.datetime64(dt)
numpy.datetime64('2017-10-24T04:03:10.007199')

>>> pd.Timestamp(dt) # or pd.to_datetime(dt)
Timestamp('2017-10-24 04:03:10.007199')

将numpy datetime64转换为datetime和timestamp

1
2
3
4
5
6
7
8
9
>>> dt64 = np.datetime64('2017-10-24 05:34:20.123456')
>>> unix_epoch = np.datetime64(0, 's')
>>> one_second = np.timedelta64(1, 's')
>>> seconds_since_epoch = (dt64 - unix_epoch) / one_second
>>> seconds_since_epoch
1508823260.123456

>>> datetime.datetime.utcfromtimestamp(seconds_since_epoch)
>>> datetime.datetime(2017, 10, 24, 5, 34, 20, 123456)

转换为时间戳

1
2
>>> pd.Timestamp(dt64)
Timestamp('2017-10-24 05:34:20.123456')

号从时间戳转换为日期时间和日期时间64

这很容易,因为熊猫的时间戳非常强大

1
2
3
4
5
6
7
>>> ts = pd.Timestamp('2017-10-24 04:24:33.654321')

>>> ts.to_pydatetime()   # Python's datetime
datetime.datetime(2017, 10, 24, 4, 24, 33, 654321)

>>> ts.to_datetime64()
numpy.datetime64('2017-10-24T04:24:33.654321000')


1
2
>>> dt64.tolist()
datetime.datetime(2012, 5, 1, 0, 0)

对于DatetimeIndextolist返回datetime对象的列表。对于单个datetime64对象,它返回单个datetime对象。


如果要将整个熊猫系列的日期时间转换为常规的python日期时间,也可以使用.to_pydatetime()

1
2
3
4
5
pd.date_range('20110101','20110102',freq='H').to_pydatetime()

> [datetime.datetime(2011, 1, 1, 0, 0) datetime.datetime(2011, 1, 1, 1, 0)
   datetime.datetime(2011, 1, 1, 2, 0) datetime.datetime(2011, 1, 1, 3, 0)
   ....

它还支持时区:

1
2
3
4
5
pd.date_range('20110101','20110102',freq='H').tz_localize('UTC').tz_convert('Australia/Sydney').to_pydatetime()

[ datetime.datetime(2011, 1, 1, 11, 0, tzinfo=<DstTzInfo 'Australia/Sydney' EST+11:00:00 DST>)
 datetime.datetime(2011, 1, 1, 12, 0, tzinfo=<DstTzInfo 'Australia/Sydney' EST+11:00:00 DST>)
....

注:如果您正在操作熊猫系列,则不能在整个系列中调用to_pydatetime()。您需要在每个日期调用.to_pydatetime(),时间64使用列表理解或类似的方法:

1
datetimes = [val.to_pydatetime() for val in df.problem_datetime_column]


一种选择是使用str,然后使用to_datetime(或类似方法):

1
2
3
4
5
In [11]: str(dt64)
Out[11]: '2012-05-01T01:00:00.000000+0100'

In [12]: pd.to_datetime(str(dt64))
Out[12]: datetime.datetime(2012, 5, 1, 1, 0, tzinfo=tzoffset(None, 3600))

注:它不等于dt,因为它变得"偏移感知":

1
2
In [13]: pd.to_datetime(str(dt64)).replace(tzinfo=None)
Out[13]: datetime.datetime(2012, 5, 1, 1, 0)

这看起来不雅。

.

更新:这可以处理"令人讨厌的例子":

1
2
3
4
In [21]: dt64 = numpy.datetime64('2002-06-28T01:00:00.000000000+0100')

In [22]: pd.to_datetime(str(dt64)).replace(tzinfo=None)
Out[22]: datetime.datetime(2002, 6, 28, 1, 0)


这篇文章已经发表了4年,我仍然在努力解决这个转换问题,因此在某种意义上,这个问题在2017年仍然很活跃。我有点惊讶于numpy文档没有提供简单的转换算法,但这是另一回事。

我遇到了另一种方法来进行转换,只涉及模块numpydatetime,它不需要导入熊猫,在我看来,这是一个很简单的转换导入很多代码。我注意到,如果原始datetime64以微秒为单位,而其他单位返回整数时间戳,datetime64.astype(datetime.datetime)将返回datetime.datetime对象。我使用模块xarray从netcdf文件中输入/输出数据,该文件使用datetime64以纳秒为单位,除非您首先转换为微秒单位,否则转换失败。下面是示例转换代码,

1
2
3
4
5
6
import numpy as np
import datetime

def convert_datetime64_to_datetime( usert: np.datetime64 )->datetime.datetime:
    t = np.datetime64( usert, 'us').astype(datetime.datetime)
return t

它只在我的机器上测试过,它是python 3.6,最近在2017年有一个Python发行版。我只看了标量转换,并没有检查基于数组的转换,尽管我猜想它会很好。我也没有看过numpy-datetime64源代码,看看这个操作是否有意义。


我回到这个答案的次数太多了,所以我决定快速地组织一个小类,它将一个麻木的datetime64值转换为python datetime值。我希望它能帮助其他人。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
from datetime import datetime
import pandas as pd

class NumpyConverter(object):
    @classmethod
    def to_datetime(cls, dt64, tzinfo=None):
       """
        Converts a Numpy datetime64 to a Python datetime.
        :param dt64: A Numpy datetime64 variable
        :type dt64: numpy.datetime64
        :param tzinfo: The timezone the date / time value is in
        :type tzinfo: pytz.timezone
        :return: A Python datetime variable
        :rtype: datetime
       """

        ts = pd.to_datetime(dt64)
        if tzinfo is not None:
            return datetime(ts.year, ts.month, ts.day, ts.hour, ts.minute, ts.second, tzinfo=tzinfo)
        return datetime(ts.year, ts.month, ts.day, ts.hour, ts.minute, ts.second)

我要把这个放在我的工具袋里,有东西告诉我我需要它。


有些解决方案对我很有效,但numpy会取消某些参数。对于我来说,更好的解决方案是将日期读作熊猫的日期时间,并明确地执行熊猫对象的年、月和日。以下代码适用于最常见的情况。

1
2
3
4
def format_dates(dates):
    dt = pd.to_datetime(dates)
    try: return [datetime.date(x.year, x.month, x.day) for x in dt]    
    except TypeError: return datetime.date(dt.year, dt.month, dt.day)


1
2
3
4
5
import numpy as np
import pandas as pd

def np64toDate(np64):
    return pd.to_datetime(str(np64)).replace(tzinfo=None).to_datetime()

使用此函数获取pythons本机日期时间对象


事实上,所有这些日期时间类型都可能很困难,而且可能有问题(必须仔细跟踪时区信息)。这就是我所做的,尽管我承认我担心其中至少有一部分是"不按设计"。此外,还可以根据需要使其更加紧凑。从numpy.datetime64 dt_a开始:

dt_a

数字日期时间64('2015-04-24t23:11:26.270000-0700')

dt_a1 = dt_a.tolist() # yields a datetime object in UTC, but without tzinfo

dt_a1

日期时间.datetime(2015,4,25,6,11,26,270000)

1
# now, make your"aware" datetime:

dt_a2=datetime.datetime(*list(dt_a1.timetuple()[:6]) + [dt_a1.microsecond], tzinfo=pytz.timezone('UTC'))

…当然,可以根据需要压缩成一行。