Question

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

在以下代码中，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)

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

更新：我的数据集中的一个有点讨厌的例子（也许是激励性的例子）似乎是：

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

应为datetime.datetime(2002, 6, 28, 1, 0)，而不是长（！）（1025222400000000000L）......

Answer 1

您可以使用pd.Timestamp构造函数。以下图表可能对此问题和相关问题有用。

Conversions between time representations

Answer 2

欢迎来到地狱。

您只需将datetime64对象传递给pandas.Timestamp：

即可

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中不起作用：

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

此外，pandas.to_datetime可以使用（这是开发版本，未检查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转换为表示numpy-1.8上UTC时间的日期时间对象：

>>> 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天真的日期时间对象被np.datetime64解释为UTC时间。

要将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。

考虑np.datetime64的方式与np.int8，np.int16等相同，并应用相同的方法来转换Python对象之间的beet，例如int，datetime和相应的numpy对象。

你的“讨厌的例子”正常工作：

>>> 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long上重现安装为numpy-1.8.0的值：

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'

返回long，因为numpy.datetime64类型.astype(datetime)等同于.astype(object)，它返回long上的Python整数（numpy-1.8）。

要获取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表示日期时间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，为了更好地解释Python的日期时间模块，numpy的datetime64 / timedelta64和pandas＆＃39;之间的关系，可能会有更多的综合努力。时间戳/ Timedelta对象。

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 - 仅以小时，分钟，秒和微秒计算的时间
日期 - 仅年，月，日
datetime - 时间和日期的所有组成部分
timedelta - 最大天数的时间量

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对象来表示单个时刻。 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从小时数一直设置为阿秒（10 ^ -18）。它的构造函数更灵活，可以进行各种输入。

构建NumPy的datetime64和timedelta64对象

传递一个带字符串的整数。 See all units here。它在UNIX时代之后被转换为许多单位：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')

您也可以使用字符串，只要它们是ISO 8601格式。

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

Timedeltas只有一个单位

>>> 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

之上构建更多功能

pandas时间戳是一个非常类似于日期时间但具有更多功能的时刻。您可以使用pd.Timestamp或pd.to_datetime构建它们。

>>> pd.Timestamp(1239.1238934) #defautls 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（还有一些选项），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 datetime转换为datetime64和Timestamp

>>> 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')

从时间戳转换为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会返回datetime个对象的列表。对于单个datetime64对象，它返回单个datetime对象。

Answer 6

如果您想将整个pandas系列日期时间转换为常规python日期时间，您还可以使用.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系列上操作，则无法在整个系列中调用to_pydatetime()。您需要使用列表推导或类似的东西在每个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）：

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，因为它变为"offset-aware"：

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

这似乎不够优雅。

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

此帖已经持续了4年，我仍然在努力解决这个转换问题 - 所以从某种意义上说，问题仍然存在于2017年。我有点震惊的是，numpy文档并不能轻易提供简单的转换算法，但这是另一个故事。

我遇到了另一种只涉及模块numpy和datetime的转换方式，它不需要导入pandas，这似乎是我要导入的大量代码这么简单的转换。我注意到，如果原始datetime64.astype(datetime.datetime)处于微秒单位，datetime.datetime将返回datetime64个对象，而其他单位则返回整数时间戳。我使用模块xarray来处理来自Netcdf文件的数据I / O，这些文件以纳秒为单位使用datetime64，这使得转换失败，除非您首先转换为微秒单位。以下是示例转换代码

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

它仅在我的机器上进行了测试，这是Python 3.6，最近有2017款Anaconda发行版。我只看了标量转换，并没有检查基于数组的转换，虽然我猜它会很好。我也没有查看numpy datetime64源代码，看看操作是否有意义。

Answer 9

我回到这个答案的次数比我可以计算的多，所以我决定将一个快速的小类放在一起，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，有些东西告诉我，我会再次需要它。

Answer 10

实际上，所有这些日期时间类型都很困难，并且可能存在问题（必须仔细跟踪时区信息）。这是我所做的，虽然我承认我至少有一部分是＆＃34;不是设计＆＃34;。此外，根据需要，这可以更紧凑。以numpy.datetime64开头dt_a：

dt_a

numpy.datetime64（＆＃39; 2015-04-24T23：11：26.270000-0700＆＃39）

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（＆＃39; UTC＆＃39;））

......当然，可以根据需要将其压缩成一行。

Answer 11

import numpy as np
import pandas as pd 

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

使用此函数获取pythons本地日期时间对象

Answer 12

有些解决方案适合我，但numpy会弃用某些参数。对我来说更好的解决方案是将日期作为熊猫日期时间读取，并明确地删除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 13

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：（数据框是从 csv 文件“csvIn.csv”中读取的）

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()])

在datetime，Timestamp和datetime64之间转换

13 个答案: