将 df.index dtype='datetime64[ns]' 数组转换为 Date答案

【问题标题】：Converting an array of df.index dtype='datetime64[ns]' to Date将 df.index dtype='datetime64[ns]' 数组转换为 Date
【发布时间】：2019-05-22 20:16:38
【问题描述】：

我正在使用pd.Grouper 以 3 天的频率对时间序列进行分组。要检索时间数组，我使用 date = df.index.values 它返回一个时间数组，如下所示：

array(['2010-01-31T00:00:00.000000000', '2010-02-03T00:00:00.000000000',
   '2017-05-12T00:00:00.000000000', '2017-05-15T00:00:00.000000000',
   '2017-05-18T00:00:00.000000000', '2017-05-21T00:00:00.000000000',
   '2017-05-24T00:00:00.000000000', '2017-05-27T00:00:00.000000000',
   '2017-05-30T00:00:00.000000000', '2017-06-02T00:00:00.000000000',
   '2017-06-05T00:00:00.000000000', '2017-06-08T00:00:00.000000000',
   '2017-06-11T00:00:00.000000000', '2017-06-14T00:00:00.000000000',
   '2017-06-17T00:00:00.000000000', '2017-06-20T00:00:00.000000000',
   '2017-06-23T00:00:00.000000000', '2017-06-26T00:00:00.000000000',
   '2017-06-29T00:00:00.000000000', '2017-07-02T00:00:00.000000000',
   '2017-07-05T00:00:00.000000000', '2017-07-08T00:00:00.000000000',
   '2017-07-11T00:00:00.000000000', '2017-07-14T00:00:00.000000000',
   '2017-07-17T00:00:00.000000000', '2017-07-20T00:00:00.000000000',
   '2017-07-23T00:00:00.000000000', '2017-07-26T00:00:00.000000000',
   '2017-07-29T00:00:00.000000000', '2017-08-01T00:00:00.000000000',
   '2017-08-04T00:00:00.000000000', '2017-08-07T00:00:00.000000000'],
  dtype='datetime64[ns]')

我一直在努力寻找正确的日期（最终摆脱 MJD）。当我复制该数组的 1-2 个元素并执行此操作时，它可以工作；

times =['2010-02-03T00:00:00.000000000','2010-02-03T00:00:00.000000000']
t = Time(times, format='isot', scale='utc') 
print(t.mjd)
>>[55230. 55230.]

但是，我无法对整个数组使用相同类型的代码

from astropy.time import Time
t = Time(date, format='isot', scale='utc') 
print(t.mjd)

它给了我一个错误“输入值与格式类 isot 不匹配”。所以，我猜想 Time 需要列表而不是数组，但是将 Date 更改为 list 并不能解决问题。我无法解决，上面的示例是 2 个字符串的列表，它工作正常。我在这里做错了什么？我尝试了其他几种使用 pandas 并尝试循环元素的方法。谢谢您的帮助。阿比

【问题讨论】：

标签： python pandas astropy

【解决方案1】：

在查看this link之后找到了一种方法

from astropy.time import Time
date = df.index.values
a= []
for i in [x for x in date]:
    ts = pd.to_datetime(str(i)) 
    d = ts.strftime('%Y-%m-%d')
    a.append(d)
    print(d)

grouped_date = Time(a, format='iso', out_subfmt='date')
grouped_date_mjd = grouped_date.mjd

print(a[0:3], grouped_date_mjd[0:3])
>> ['2010-01-31', '2010-02-03', '2010-02-06'] [55227. 55230. 55233.]

【讨论】：

从 astropy 3.1 开始支持np.datetime64 类型的数组输入。

【解决方案2】：

由于 astropy 3.1 内置了对 datetime64 的支持，因此您可以简单地这样做：

In [2]: dates = np.array(['2010-01-31T00:00:00', '2010-02-03T00:00:00'],
   ...:   dtype='datetime64[ns]')
   ...:   

In [3]: tm = Time(dates)

In [4]: tm.mjd
Out[4]: array([55227., 55230.])

【讨论】：