在 datetime、Timestamp 和 datetime64 之间转换

Question

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

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

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：从时间戳中获取日期时间很容易：

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

但是我们如何从numpy.datetime64 (dt64) 中提取datetime 或Timestamp？

.

更新：我的数据集中的一个有点讨厌的例子（也许是激励例子）似乎是：

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

应该是datetime.datetime(2002, 6, 28, 1, 0)，而不是很长的 (!) (1025222400000000000L)...

Answer 1

您可以只使用 pd.Timestamp 构造函数。下图可能对这个问题和相关问题有用。

Answer 2

欢迎来到地狱。

您可以将 datetime64 对象传递给pandas.Timestamp：

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

我注意到这在 NumPy 1.6.1 中无法正常工作：

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

另外，pandas.to_datetime 也可以使用（这是开发版的关闭，没有检查 v0.9.1）：

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))

Answer 3

将numpy.datetime64 转换为datetime 对象，表示numpy-1.8 上的UTC 时间：

>>> 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'

上面的例子假设一个简单的datetime对象被np.datetime64解释为UTC时间。

---

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

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

它适用于单个 np.datetime64 对象和 np.datetime64 的 numpy 数组。

以与 np.int8、np.int16 等相同的方式考虑 np.datetime64，并应用相同的方法在 Python 对象（如 int、datetime）和相应的 numpy 对象之间进行转换。

你的“讨厌的例子”工作正常：

>>> 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

我可以在安装为numpy-1.8.0 上重现long 值：

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

同样的例子：

>>> 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) 等价于在numpy-1.8 上返回Python 整数(long) 的.astype(object)。

要获得datetime 对象，您可以：

>>> 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)

获取直接使用秒的datetime64：

>>> 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 docs 表示 datetime API 是实验性的，可能会在未来的 numpy 版本中发生变化。

Answer 4

我认为在答案中可能需要更统一的努力来更好地解释 Python 的 datetime 模块、numpy 的 datetime64/timedelta64 和 pandas 的 Timestamp/Timedelta 对象之间的关系。

Python的日期时间标准库

日期时间标准库有四个主要对象

• 时间 - 仅时间，以小时、分钟、秒和微秒为单位衡量
• 日期 - 只有年、月和日
• datetime - 时间和日期的所有组成部分
• timedelta - 最大单位为天的时间量

创建这四个对象

>>> 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 对象来表示单个时间点。 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设置为从小时一直到阿秒 (10 ^ -18)。它的构造函数更灵活，可以接受多种输入。

构造 NumPy 的 datetime64 和 timedelta64 对象

为单位传递一个带有字符串的整数。 See all units here。在 UNIX 纪元之后，它被转换为那么多单位：1970 年 1 月 1 日

>>> 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 ISO 8601 格式的字符串。

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

时间增量有一个单位

>>> 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

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

Pandas Timestamp 和 Timedelta 在 NumPy 之上构建了更多功能

pandas 时间戳是与日期时间非常相似但功能更多的时刻。您可以使用pd.Timestamp 或pd.to_datetime 构建它们。

>>> pd.Timestamp(1239.1238934) #defaults 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 的工作方式非常相似（还有更多选项），可以将字符串列表转换为时间戳。

>>> 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 日期时间转换为 datetime64 和时间戳

>>> 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

>>> 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

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

从 Timestamp 转换为 datetime 和 datetime64

这很容易，因为 pandas 时间戳非常强大

>>> 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')

Answer 5

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

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

Answer 6

如果要将整个 pandas 系列日期时间转换为常规 python 日期时间，也可以使用 .to_pydatetime()。

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：

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>)
....

注意：如果您在 Pandas 系列上进行操作，则不能在整个系列上调用 to_pydatetime()。您需要使用列表理解或类似方法在每个 datetime64 上调用 .to_pydatetime()：

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

Answer 7

一种选择是使用str，然后使用to_datetime（或类似的）：

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))

注意：它不等于dt，因为它变成了"offset-aware"：

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

这看起来不优雅。

.

更新：这可以处理“讨厌的例子”：

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)

Answer 8

这篇文章已经发布了 4 年，我仍然在为这个转换问题而苦苦挣扎 - 所以从某种意义上说，这个问题在 2017 年仍然很活跃。 numpy 文档没有提供简单的转换算法，这让我感到有些震惊，但那是另一回事了。

我遇到了另一种只涉及模块numpy 和datetime 的转换方法，它不需要导入pandas，在我看来，对于这样一个简单的转换，要导入很多代码.我注意到datetime64.astype(datetime.datetime) 将返回一个datetime.datetime 对象，如果原始datetime64 是微秒单位 而其他单位返回一个整数时间戳。我使用模块xarray 来自Netcdf 文件的数据I/O，它使用datetime64 以纳秒为单位使转换失败，除非您首先转换为微秒单位。这是示例转换代码，

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

它只在我的机器上进行了测试，它是 Python 3.6，带有最近的 2017 Anaconda 发行版。我只查看了标量转换，并没有检查基于数组的转换，尽管我猜它会很好。我也没有查看 numpy datetime64 源代码来查看操作是否有意义。

Answer 9

我回到这个答案的次数已经数不胜数了，所以我决定组合一个快速的小类，它将 Numpy datetime64 值转换为 Python datetime 值。我希望它可以帮助其他人。

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)

我要把它放在我的工具包里，有东西告诉我我会再次需要它。

Answer 10

import numpy as np
import pandas as pd 

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

使用该函数获取python原生的日期时间对象

Answer 11

一些解决方案对我来说效果很好，但 numpy 会弃用一些参数。 对我来说更好的解决方案是将日期读取为 pandas 日期时间，并明确提取 pandas 对象的年、月和日。 以下代码适用于最常见的情况。

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)

Answer 12

我设法将包含时间信息的 pandas 数据框中的“日期”列转换为 numpy 数组的唯一方法如下：（从 csv 文件“csvIn.csv”中读取数据框）

import pandas as pd
import numpy as np

df = pd.read_csv("csvIn.csv")
df["date"] = pd.to_datetime(df["date"])
timestamps = np.array([np.datetime64(value) for dummy, value in df["date"].items()])

Answer 13

我喜欢这个

import pandas as pd

# Custom function to convert Pandas Datetime to Timestamp
def toTimestamp(data):
    return data.timestamp()

# Read a csv file
df = pd.read_csv("friends.csv")

# Replace the "birthdate" column by:
# 1. Transform to datetime
# 2. Apply the custom function to the column just converted
df["birthdate"] = pd.to_datetime(df["birthdate"]).apply(toTimestamp)

Answer 14

确实，所有这些日期时间类型都可能很困难，并且可能存在问题（必须仔细跟踪时区信息）。这就是我所做的，尽管我承认我担心它至少有一部分是“不是设计使然”。此外，这可以根据需要变得更紧凑。 从 numpy.datetime64 dt_a 开始：

dt_a

numpy.datetime64('2015-04-24T23:11:26.270000-0700')

dt_a1 = dt_a.tolist() # 以 UTC 格式生成日期时间对象，但没有 tzinfo

dt_a1

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

# 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。