Python & Pandas：将一系列日期时间值转换为连续的日索引

Question

我在 pandas 中有一个系列 a：

>>> type(a)
<class 'pandas.core.series.Series'>

由datetime64[ns] 值组成：

>>> print a
0   2000-11-01
...
10   2000-11-04
11   2000-11-05
...
Name: date, dtype: datetime64[ns]

我想将其转换为描述日期的整数系列，而第一个值 (2000-11-01) 的索引应为 1。目前我正在使用：

b = (a-a.min()).astype('timedelta64[D]').astype(int)+1

所以我首先减去最小的 datetime64 (a-a.min())，得到一个 timedelta64[ns]，我首先需要将其转换为天数 (timedelta64[D])，然后再转换为整数值。从timedelta64[ns] 到int 的直接转换是不可能的。

我想知道是否有更好的方法来做到这一点。 对于我当前包含超过 800k 行的系列对象，这已经需要 4secs Oo

---

编辑

该系列包含几个月的日期时间。具有作为连续日序列的结果整数值的示例数据。在这种情况下，2000-11-03 是最旧的日期，因此如上所述获得索引 1。日期时间 2000-11-05 不存在（应该是索引 3），但仍应分配 2000-11-06 4因为这是从2000-11-03开始的第四天：

2000-01-03 -> 1
2000-01-04 -> 2
2000-01-06 -> 4
...
2000-01-31 -> 29
2000-02-01 -> 30
2000-02-02 -> 31
2000-02-04 -> 33
...

Answer 1

最近修复了性能问题here。这将在 0.14.1 中发布（即将推出，Windows 的开发二进制文件已发布 here，当前发布的内容略微过时且不包含此修复，请稍后再回来查看）。

用于 timedelta 转换的仅供参考的文档是 here

In [1]: s = Series(pd.date_range('20000101',periods=10000).tolist() * 80)

0.14.0

In [3]: %timeit (s-s.min()).astype('timedelta64[D]').astype(int)+1
1 loops, best of 3: 2.9 s per loop

0.14.1

In [12]: %timeit (s-s.min()).astype('timedelta64[D]').astype(int)+1
10 loops, best of 3: 24.7 ms per loop