Python十二钗之Numpy(3)：如何处理日期和时间

健谈始于戊戌年 2021-07-01

2883

由于Python自带的datetime格式不太理想，所以Numpy团队在Numpy1.7以后，开发出一种新的数据类型：datetime64。它用来分析时间序列数据。

之所以叫datetime64，是由于Python中已经有了datetime程序包，所以Numpy在datetime加上了64，以示区别。当然，这么做也是有一定原因的。因为，在datetime64中，日期被记录成为64位的整数。不过，datetime64对输入的格式要求比较严格。参见下面的例子。

我们首先需要调用Numpy，然后将datetime64类型的数据‘2020-03-20’赋值给date。

import numpy as np
date =np.array('2020-03-20', dtype=np.datetime64)
date
Out[17]:array('2020-03-20', dtype='datetime64[D]')

（滑动可看全部程序，下同）

从结果中我们可以看出date是一个类型为datetime64[D]的矩阵，这里的D代表Day。

我们来看看月份的例子，它和日期的例子类似。

month = np.array('2020-03',dtype=np.datetime64)
month
Out[21]: array('2020-03',dtype='datetime64[M]')

注意输出的数据类型为datetime64[M]，这里的M代表Month。

当然，除了年月日，还有小时、分钟和秒。程序的写法类似

hms=np.datetime64('2020-03-20 09:29:59',dtype=np.datetime64)
hms
Out[32]: numpy.datetime64('2020-03-20T09:29:59')

其实，Numpy还有更多处理日期和时间的功能。不过在介绍它们之前，我们先来复习一下Numpy中的arrange()函数。我们可以通过这个函数产生数组，例如：

a = np.arange(3)
print(a)
[0 1 2]

在这里，我们用np.arrange(3)定义数组a，其数值包括0，1，2三个数字。

接下来，我们就可以把arrange() 产生的数组和日期、时间进行运算。例如，用日期加上一个数组

date + np.arange(7)
Out[25]:
array(['2020-03-20', '2020-03-21','2020-03-22', '2020-03-23',
      '2020-03-24', '2020-03-25', '2020-03-26'], dtype='datetime64[D]')

当date加上np.arange(7)以后，就产生了'2020-03-20'到'2020-03-26'的7个日期。

同样，对于月份，我们可以进行类似的操作。

month + np.arange(12)
Out[26]:
array(['2020-03', '2020-04', '2020-05','2020-06', '2020-07', '2020-08',
      '2020-09', '2020-10', '2020-11', '2020-12', '2021-01', '2021-02'],
     dtype='datetime64[M]')

当month加上np.arange(12)以后，就产生了'2020-03'到'2021-02'的12个月份。

我们也可以把小时、分钟和秒和arange()相加

hms + np.arange(10)
Out[33]:
array(['2020-03-20T09:29:59','2020-03-20T09:30:00',
      '2020-03-20T09:30:01', '2020-03-20T09:30:02',
      '2020-03-20T09:30:03', '2020-03-20T09:30:04',
      '2020-03-20T09:30:05', '2020-03-20T09:30:06',
      '2020-03-20T09:30:07', '2020-03-20T09:30:08'],
     dtype='datetime64[s]')

这样就产生了10秒的数据。

很多时候我们需要两个日期或者时间相减。在Numpy中，允许两个日期或者时间值相减，并产生一个时间单位。Numpy通过timedelta64数据类型表示产生的数据。

我们通过一个例子来说明。比方说你想知道2020年3月20日距离2020年1月1日相差多少天。你可以利用Numpy把这两个日子相减。

np.datetime64('2020-03-20') -np.datetime64('2020-01-01')
Out[34]: numpy.timedelta64(79,'D')

从结论中可以看出，这两个日期相距79天，数据类型为timedelta64。

既然可以相减，那么就可以相加。我们可以用一个日期加上天数，然后就可以得到新的日期。

np.datetime64('2020-01-01') +np.timedelta64(80, 'D')
Out[38]: numpy.datetime64('2020-03-21')

同样，你也可以把小时和时间相加，如下

np.datetime64('2020-03-21T08:00') +np.timedelta64(12, 'h')
Out[39]:numpy.datetime64('2020-03-21T20:00')

甚至还可以做除法。下面的例子是2周除以7天的结果。

np.timedelta64(2,'W') np.timedelta64(7,'D')
Out[41]: 2.0

以及求余数。在下面的例子里，1周除以4天的余数是3。

np.timedelta64(1,'W') %np.timedelta64(4,'D')
Out[45]: numpy.timedelta64(3,'D')

对于年(‘Y’)和月(‘M’)这两类timedelta的时间单位要特殊对待。这是因为它们代表多少日期取决于如何你如何使用。尽管timedelta的一天等同于24小时，但是每个月却包括不同天数，每年的天数也不同。

x = np.timedelta64(1, 'Y')
np.timedelta64(x, 'M')
Out[50]: numpy.timedelta64(12,'M')


np.timedelta64(x, 'D')
Traceback (most recent call last):


 File "<ipython-input-51-8b51ad6a8acb>", line 1, in<module>
    np.timedelta64(x, 'D')


TypeError: Cannot cast NumPy timedelta64scalar from metadata [Y] to [D] according to the rule 'same_kind'