我不明白为什么我的numpy数组将numpy.datetime64
中的dts
值存储为datetime.datetime
对象。
In [1]: import numpy as np
In [2]: import datetime
In [3]: arr = np.ones((3,), dtype='O')
In [4]: dts = np.array([np.datetime64(datetime.datetime.today())] * 2)
In [5]: dts
Out[5]:
array(['2020-08-20T14:44:03.945058', '2020-08-20T14:44:03.945058'],
dtype='datetime64[us]')
In [6]: arr[:2] = dts
In [7]: arr
Out[7]:
array([datetime.datetime(2020, 8, 20, 14, 44, 3, 945058),
datetime.datetime(2020, 8, 20, 14, 44, 3, 945058), 1], dtype=object)
我已经可以使用下面的代码来解决这个问题,但是我的实际情况更加复杂,我宁愿使用上面的方法。
In [8]: arr = np.ones((3,), dtype='O')
In [9]: dts = np.array([np.datetime64(datetime.datetime.today())] * 2)
In [10]: for i in [0, 1]:
...: arr[i] = dts[i]
In [11]: arr
Out[11]:
array([numpy.datetime64('2020-08-20T14:53:20.878553'),
numpy.datetime64('2020-08-20T14:53:20.878553'), 1], dtype=object)
在给定dts
为arr
的情况下,为什么第一种方法不存储object
中确切的对象类型?
答案 0 :(得分:2)
In [346]: dts = np.array([np.datetime64(datetime.datetime.today())] * 2)
In [347]: dts
Out[347]:
array(['2020-08-20T14:46:12.940815', '2020-08-20T14:46:12.940815'],
dtype='datetime64[us]')
tolist
将数组转换为列表,并在可能的情况下将元素呈现为基本Python对象-显然datatime64
被编程为将自身呈现为datetime
对象:
In [348]: dts.tolist()
Out[348]:
[datetime.datetime(2020, 8, 20, 14, 46, 12, 940815),
datetime.datetime(2020, 8, 20, 14, 46, 12, 940815)]
将dts
数组转换为对象类型还将元素转换为datetime
:
In [387]: dts.astype(object)[0]
Out[387]: datetime.datetime(2020, 8, 20, 14, 46, 12, 940815)
因此arr[:]= dts
必须通过tolist
或astype(object)
。
In [349]: dts[0]
Out[349]: numpy.datetime64('2020-08-20T14:46:12.940815')
In [350]: arr = np.ones(2, object)
In [351]: arr[:] = dts
In [352]: arr
Out[352]:
array([datetime.datetime(2020, 8, 20, 14, 46, 12, 940815),
datetime.datetime(2020, 8, 20, 14, 46, 12, 940815)], dtype=object)
浮点数类似的情况发生
In [360]: x = np.array([1.23, 23.2])
In [361]: type(x[0])
Out[361]: numpy.float64
In [362]: arr[:] = x
In [363]: arr
Out[363]: array([1.23, 23.2], dtype=object)
In [364]: type(arr[0])
Out[364]: float
分配单个项目会保留dtype:
In [365]: arr[0] = x[0]
In [366]: arr
Out[366]: array([1.23, 23.2], dtype=object)
In [367]: type(arr[0])
Out[367]: numpy.float64
In [368]: type(arr[1])
Out[368]: float
arr
现在包含一个np.float64
和一个float
。
请记住,对象dtype数组存储对对象的引用-内存中其他位置的对象。在这方面,它很像一个列表。另一方面,数字dtype数组存储字节,这些字节由dtype
机制解释。 dts[0]
实际上没有引用dts
的8字节块;这是一个新的datetime64
对象。 arr[0]
(在上面的代码中)是另一个datetime64
对象(具有相同的值)。