Question

这是我的问题：我试图将我的数据（包含np.datetime64值等）写入csv然后再读回来，并希望我的时间不要改变......

正如许多地方所讨论的那样，np.datetime64将所有二进制文件和UTC保存在mem中，但是从本地时间读取字符串。

以下是我的问题的一个简单示例，此处pd.read_csv（＆＃34; foo＆＃34;）已保存自 df.to_csv（＆＃34; foo＆＃34;）导致改变时间：

In[184]: num = np.datetime64(datetime.datetime.now())
In[185]: num
Out[181]: numpy.datetime64('2015-10-28T19:19:42.408000+0100')
In[186]: df = pd.DataFrame({"Time":[num]})
In[187]: df
Out[183]: 
                        Time
0 2015-10-28 18:19:42.408000
In[188]: df.to_csv("foo")
In[189]: df2=pd.read_csv("foo")
In[190]: df2
Out[186]: 
   Unnamed: 0                        Time
0           0  2015-10-28 18:19:42.408000
In[191]: np.datetime64(df2.Time[0])
Out[187]: numpy.datetime64('2015-10-28T18:19:42.408000+0100')
In[192]: num == np.datetime64(df2.Time[0])
Out[188]: False

（像往常一样）

import numpy as np
improt pandas as pd

网上有很多问题和很多信息，但我现在已经谷歌搜索了一段时间，但却找不到如何解决这个问题的答案。应该有一些方法来保存祖鲁的数据，或者读取他们假设UTC，但没有找到任何方向，这是最好的（甚至好的？）方式来做到这一点。我能做到

In[193]: num == np.datetime64(df2.Time[0]+"Z")
Out[189]: True

但在我看来，在练习，便携性和效率方面真的很糟糕......（加上使用默认保存并阅读混乱时烦人的事情）

Answer 1

numpy构造函数简单地被破坏了，很少会做你想要的。我会简单地避免。改为使用：

In [42]: num = np.datetime64(datetime.datetime.now())

In [43]: num
Out[43]: numpy.datetime64('2015-10-28T10:02:22.298130-0400')

In [44]: df = pd.DataFrame({"Time":[num]})

In [45]: df
Out[45]: 
                        Time
0 2015-10-28 14:02:22.298130

In [46]: pd.read_csv(StringIO(df.to_csv(index=False)),parse_dates=['Time'])            
Out[46]: 
                        Time
0 2015-10-28 14:02:22.298130

In [47]: pd.read_csv(StringIO(df.to_csv(index=False)),parse_dates=['Time']).Time.values
Out[47]: array(['2015-10-28T10:02:22.298130000-0400'], dtype='datetime64[ns]')

np.datetime64在本地时区只是显示。它已经存储在UTC中。

int64

[47]只是一个本地显示器。时间如上。

自纪元以来，内部日期时间保持为ns的In [7]: Timestamp('2015-10-28 14:02:22.298130') Out[7]: Timestamp('2015-10-28 14:02:22.298130') In [8]: Timestamp('2015-10-28 14:02:22.298130').value Out[8]: 1446040942298130000 In [9]: np.array([1446040942298130000],dtype='M8[ns]') Out[9]: array(['2015-10-28T10:02:22.298130000-0400'], dtype='datetime64[ns]') In [10]: Timestamp(np.array([1446040942298130000],dtype='M8[ns]').view('i8').item()) Out[10]: Timestamp('2015-10-28 14:02:22.298130')。

{{1}}

由于utc

1 个答案: