Question

我有一个数据框来计算测量数量的每日平均值。

index_date = pd.Index（t，name =＆＃39; dates＆＃39;）#t是一个日期时间对象数组

df = pd.DataFrame（gas，index_date，columns = [＆＃39; A＆＃39;]，dtype = float）

daily_mean = df.resample（＆＃39; D＆＃39;，how =＆＃39;表示＆＃39;）

为了能够绘制数据，我重置索引并创建numpy数组

daily_mean.reset_index（就地= TRUE）

date = np.array（daily_mean [＆＃39; date＆＃39;]）

表示= np.array（daily_mean [＆＃39; A＆＃39;]）

我现在的问题是：时机不正确。例如，datetime对象datetime.datetime（1979,8,27,10,0）是t中的第一个对象转换为＆＃39; 1979-08-27T01：00：00.0000 + 0100＆＃39;在np.array日期。为什么会发生这种情况以及如何获得正确的时间？

提前感谢任何想法或有用的评论。

Answer 1

时间不是'不正确'，它只是一个笨拙的特点：numpy在当地时区打印datetime64值

例如，我位于GMT + 01时区：

In [24]: np.datetime64('2014-01-01 00:00:00+00:00')
Out[24]: numpy.datetime64('2014-01-01T01:00:00+0100')

但价值本身并没有改变。您可以通过将其转换回datetime.datetime来查看此内容：

In [26]: np.datetime64('2014-01-01 00:00:00+00:00').item()
Out[26]: datetime.datetime(2014, 1, 1, 0, 0)

In [27]: print np.datetime64('2014-01-01 00:00:00+00:00').item()
2014-01-01 00:00:00

对于绘图部分：您也可以daily_mean['A'].plot()

Answer 2

您无需将数据转换为numpy数组以进行绘制。只是使用例如。

fig, ax = plt.subplots()
ax.plot(daily_mean.index, daily_mean.values)

plt.show()

为什么在将datetime索引转换为numpy数组时会发生更改，我不知道，但这似乎是一个棘手的问题（Converting between datetime, Timestamp and datetime64）。当您将带有日期的数组放回到数据框中时，它们将再次以正确的形式出现。

使用reset_index时按日期和故障索引数据帧

2 个答案: