Question

在DatetimeIndex与pandas进行比较时，an answer对question on improving performance的动机是这个问题。

解决方案通过DatetimeIndex将numpy转换为df.index.values数组，并将数组与np.datetime64对象进行比较。这似乎是从此比较中检索布尔数组的最有效方法。

pandas的一位开发人员对此问题的反馈是：“这些问题一般都不一样。提供一个简单的解决方案往往是一个特例，不推荐。”

我的问题是：

它们是否可以与一部分操作互换？我很感激 DatetimeIndex提供了更多功能，但我只需要基本功能，例如切片和索引。
对于可翻译为numpy的操作，结果是否存在任何记录的差异？

在我的研究中，我发现一些帖子提到“并不总是兼容” - 但它们似乎都没有任何确凿的参考/文档，或者说明为什么/何时它们通常是不兼容的。许多其他帖子使用numpy表示而不发表评论。

Answer 1

在我看来，你应该总是喜欢使用Timestamp - 在需要的情况下，它可以很容易地转换回numpy日期时间。

numpy.datetime64本质上是一个薄的包装器int64。它几乎没有日期/时间特定的功能。

pd.Timestamp是numpy.datetime64的包装器。它由相同的int64值支持，但支持整个datetime.datetime接口，以及有用的特定于熊猫的功能。

这两者的数组内表示是相同的 - 它是一个连续的int64数组。 pd.Timestamp是一个标量框，可以更轻松地处理单个值。

回到链接的答案，你可以像这样写，它更短，碰巧更快。

%timeit (df.index.values >= pd.Timestamp('2011-01-02').to_datetime64()) & \
        (df.index.values < pd.Timestamp('2011-01-03').to_datetime64())
192 µs ± 6.78 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

pd.Timestamp与np.datetime64：它们是否可以在选定的用途中互换？

1 个答案: