蟒numpy的 - 转换时间戳来DATETIME

Question

我有一个NP阵列，例如如下：

example = np.array([[Timestamp('2005-03-06 17:00:00'), 1225.75, 1226.25, 1225.0, 1225.5, 
     1668.0], 
     [Timestamp('2005-03-06 17:30:00'), 1225.75, 1227.5, 1225.75, 1227.0, 
     1603.0], 
     [Timestamp('2005-03-06 18:00:00'), 1227.0, 1227.5, 1226.75, 1227.25, 
     590.0]], dtype=object) 

的第一列是一个时间戳类型值。 如何将这些值转换为datetime？ 我知道这个话题很少有类似的问题，但我无法形成一个清晰的理解，并找出一个干净整洁的解决方案基于它们。

我可以将单个值的时间戳与example[0,0].to_datetime()进行转换，但是如何在所有时间戳上同时执行此操作？非常像example[:,0]. ...

Answer 1

如果我定义Timestamp作为numpy日期时间D型：

In [43]: Timestamp=np.datetime64 

然后我可以复制正粘贴example：

In [44]: example = np.array([[Timestamp('2005-03-06 17:00:00'), 1225.75, 1226.25 , 1225.0, 1225.5, 1668.0], 
    ...:  [Timestamp('2005-03-06 17:30:00'), 1225.75, 1227.5, 1225.75, 1227.0,   1603.0], 
    ...:  [Timestamp('2005-03-06 18:00:00'), 1227.0, 1227.5, 1226.75, 1227.25, 590.0]], dtype=object) 

请注意，此ar射线dtypeobject

In [45]: example 
Out[45]: 
array([[numpy.datetime64('2005-03-06T17:00:00'), 1225.75, 1226.25, 1225.0,1225.5, 1668.0], 
     [numpy.datetime64('2005-03-06T17:30:00'), 1225.75, 1227.5, 1225.75, 1227.0, 1603.0], 
     [numpy.datetime64('2005-03-06T18:00:00'), 1227.0, 1227.5, 1226.75, 1227.25, 590.0]], dtype=object) 

的第一列是：

In [46]: example[:,0] 
Out[46]: 
array([numpy.datetime64('2005-03-06T17:00:00'), 
     numpy.datetime64('2005-03-06T17:30:00'), 
     numpy.datetime64('2005-03-06T18:00:00')], dtype=object) 

可被转化到datetime64元件的阵列：

In [47]: example[:,0].astype(np.datetime64) 
Out[47]: array(['2005-03-06T17:00:00', '2005-03-06T17:30:00', '2005-03-06T18:00:00'], dtype='datetime64[s]') 

tolist对于这种类型的阵列的转换元件到datetime对象：

In [48]: example[:,0].astype(np.datetime64).tolist() 
Out[48]: 
[datetime.datetime(2005, 3, 6, 17, 0), 
datetime.datetime(2005, 3, 6, 17, 30), 
datetime.datetime(2005, 3, 6, 18, 0)] 

另外，掠的pandas.Timestamp功能

In [50]: Timestamp = pd.Timestamp 

In [52]: example 
Out[52]: 
array([[Timestamp('2005-03-06 17:00:00'), 1225.75, 1226.25, 1225.0, 1225.5, 1668.0], 
     [Timestamp('2005-03-06 17:30:00'), 1225.75, 1227.5, 1225.75, 1227.0, 1603.0], 
     [Timestamp('2005-03-06 18:00:00'), 1227.0, 1227.5, 1226.75, 1227.25, 590.0]], dtype=object) 

In [64]: ts = example[:,0] 
In [65]: ts 
Out[65]: 
array([Timestamp('2005-03-06 17:00:00'), Timestamp('2005-03-06 17:30:00'), Timestamp('2005-03-06 18:00:00')], dtype=object) 

时间戳的迭代转换对象

In [67]: np.array([t.to_datetime() for t in ts]) 
Out[67]: 
array([datetime.datetime(2005, 3, 6, 17, 0), 
     datetime.datetime(2005, 3, 6, 17, 30), 
     datetime.datetime(2005, 3, 6, 18, 0)], dtype=object) 

但我发现，astype作品与Timestamp对象：

In [73]: ts = example[:,0] 
In [74]: ts.astype('datetime64[s]') 
Out[74]: array(['2005-03-06T17:00:00', '2005-03-06T17:30:00', '2005-03-06T18:00:00'], dtype='datetime64[s]') 

，所以我可以使用tolist做转换在一个行：

In [75]: ts.astype('datetime64[s]').tolist() 
Out[75]: 
[datetime.datetime(2005, 3, 6, 17, 0), 
datetime.datetime(2005, 3, 6, 17, 30), 
datetime.datetime(2005, 3, 6, 18, 0)] 

我不会形容这是一个最终的解决方案，但它给你的使用日期如何numpy交易的想法。

对于数组数学，我会坚持使用datetime64 dtype。要保留在一个阵列中以及浮点数example[:,1:]必须使用结构化数组。

=================

与副本进行实验：

In [80]: ex1 = example.copy() 

In [82]: ex1[:,0] = example[:,0].astype('datetime64[s]').tolist() 
In [83]: ex1 
Out[83]: 
array([[datetime.datetime(2005, 3, 6, 17, 0), 1225.75, 1226.25, 1225.0, 1225.5, 1668.0], 
     [datetime.datetime(2005, 3, 6, 17, 30), 1225.75, 1227.5, 1225.75, 1227.0, 1603.0], 
     [datetime.datetime(2005, 3, 6, 18, 0), 1227.0, 1227.5, 1226.75, 1227.25, 590.0]], 
     dtype=object) 

Answer 2

直升机，尝试：

example[:,0]= map(lambda x: x.to_datetime(), example[:,0])