Question

我正在使用cx_oracle从数据库中获取日期。我想将获取的数据放入pandas数据帧中。我的问题是日期被转换为我绝对不需要的numpy.datetime64个对象。

我想将它们作为datetime.date对象。我已经看到了dt.date方法，但它仍然给出了numpy datetypes。

Answer 1

编辑：看起来使用pandas 0.21.0或更新版本，在DataFrame中保存python datetime.date是没有问题的。 date-like列不会自动转换为datetime64[ns] dtype。

import numpy as np
import pandas as pd
import datetime as DT

print(pd.__version__)
# 0.21.0.dev+25.g50e95e0
dates = [DT.date(2017,1,1)+DT.timedelta(days=2*i) for i in range(3)]
df = pd.DataFrame({'dates': dates, 'foo': np.arange(len(dates))})
print(all([isinstance(item, DT.date) for item in df['dates']]))
# True
df['dates'] = (df['dates'] + pd.Timedelta(days=1))
print(all([isinstance(item, DT.date) for item in df['dates']]))
# True

对于旧版本的Pandas：

有一种方法可以防止Pandas DataFrame自动转换通过分配一个附加值（如a），将日期值设置为datetime64[ns] 空字符串与列不是日期。在DataFrame之后形成后，您可以删除非日期值：

import pandas as pd
import datetime as DT
dates = [DT.date(2017,1,1)+DT.timedelta(days=i) for i in range(10)]
df = pd.DataFrame({'dates':['']+dates})
df = df.iloc[1:]
print(all([isinstance(item, DT.date) for item in df['dates']]))
# True

显然，将这种shenanigan编程为严格的代码感觉完全错误，因为我们颠覆了开发人员的意图。使用datetime64[ns]对datetime.dates的列表或对象数组也有计算速度优势。此外，如果df[col]有dtype datetime64[ns]，那么df[col].dt.date.values会返回一个对象NumPy的python datetime.date数组：

import pandas as pd
import datetime as DT
dates = [DT.datetime(2017,1,1)+DT.timedelta(days=2*i) for i in range(3)]
df = pd.DataFrame({'dates': dates})
print(repr(df['dates'].dt.date.values))
# array([datetime.date(2017, 1, 1), datetime.date(2017, 1, 3),
#        datetime.date(2017, 1, 5)], dtype=object)

因此，您可以将列保持为datetime64[ns]并使用df[col].dt.date.values在必要时获取datetime.date，从而享受两全其美。

另一方面，datetime64[ns]和Python datetime.date具有不同的可表示日期范围。

datetime64[ns]可以代表1678 AD to 2262 AD的日期时间。
datetime.date可以表示从DT.date(0,1,1)到DT.date(9999,1,1)的日期。

如果您要使用datetime.date而不是datetime64[ns] s的原因是为了克服有限范围的可表示日期，那么可能a better alternative is to use a pd.PeriodIndex：

import pandas as pd
import datetime as DT
dates = [DT.date(2017,1,1)+DT.timedelta(days=2*i) for i in range(10)]
df = pd.DataFrame({'dates':pd.PeriodIndex(dates, freq='D')})
print(df)
#        dates
# 0 2017-01-01
# 1 2017-01-03
# 2 2017-01-05
# 3 2017-01-07
# 4 2017-01-09
# 5 2017-01-11
# 6 2017-01-13
# 7 2017-01-15
# 8 2017-01-17
# 9 2017-01-19

pandas dataframe列是否可以具有datetime.date类型？

1 个答案: