Question

我有尺寸（95，）的时间数据。我编写了以下代码来提取年，月和日以创建维度数组（95,3）。但是，以下代码能够创建维度数组（285，）。如何使用维度（95,3）创建新的时间数组，其中第一列表示年份，第二列表示月份，最后一列表示当天。

newtime = np.array([])
for i in range(len(time)):
    a = seconds_since_jan_1_1993_to_datetime(time[i])
    time_year = float(a.strftime("%Y"))
    time_mon = float(a.strftime("%m"))
    time_day = float(a.strftime("%d"))
    newtime = np.append(newtime, np.array([time_year, time_mon, time_day]))

例如，我有一个带元素数组的输入数组（[725696054.99044609,725696056.99082708,725696058.99119401，...]）

我想要以下形式的输出：

Col1 Col2 Col3
2015.0 12.0 31.0
2015.0 12.0 31.0
2015.0 12.0 31.0

期待您的建议或帮助。

Answer 1

我的建议是采用数据帧格式。

您的代码可以轻松修复：

newtime = pd.DataFrame([], columns=['year','month','day'])

for i in range(len(time)):
    a = seconds_since_jan_1_1993_to_datetime(time[i])
    time_year = float(a.strftime("%Y"))
    time_mon = float(a.strftime("%m"))
    time_day = float(a.strftime("%d"))
    newtime.loc[len(newtime)] = [time_year, time_mon, time_day]

希望有所帮助！

Answer 2

数据框是一个不错的选择。但是，如果要保留数组，只需使用numpy的reshape（）函数即可。这是一个示例代码：

import numpy as np

newtime = np.array([])

for i in range(12):
    # Dummy data generated here, using floats like in the original post
    time_year = float(2015.0)
    time_mon = float(1.0*i)
    time_day = float(31.0)
    newtime = np.append(newtime,np.array([time_year, time_mon, time_day]))

newtime = newtime.reshape((-1,3))

注意重塑函数中的参数：（ - 1,3）将告诉numpy制作第二个维度3，自动计算第一个维度。现在，如果您打印newtime，您应该看到：

[[  2.01500000e+03   0.00000000e+00   3.10000000e+01]
 [  2.01500000e+03   1.00000000e+00   3.10000000e+01]
 [  2.01500000e+03   2.00000000e+00   3.10000000e+01]
 [  2.01500000e+03   3.00000000e+00   3.10000000e+01]
 [  2.01500000e+03   4.00000000e+00   3.10000000e+01]
 [  2.01500000e+03   5.00000000e+00   3.10000000e+01]
 [  2.01500000e+03   6.00000000e+00   3.10000000e+01]
 [  2.01500000e+03   7.00000000e+00   3.10000000e+01]
 [  2.01500000e+03   8.00000000e+00   3.10000000e+01]
 [  2.01500000e+03   9.00000000e+00   3.10000000e+01]
 [  2.01500000e+03   1.00000000e+01   3.10000000e+01]
 [  2.01500000e+03   1.10000000e+01   3.10000000e+01]]

在Python中附加数据

2 个答案: