這篇文章將為大家詳細講解有關Python中怎么利用Numpy庫處理datetime類型，文章內(nèi)容質(zhì)量較高，因此小編分享給大家做個參考，希望大家閱讀完這篇文章后對相關知識有一定的了解。

前言

關于時間的處理，Python中自帶的處理時間的模塊就有time 、datetime、calendar，另外還有擴展的第三方庫，如dateutil等等。通過這些途徑可以隨心所欲地用Python去處理時間。當我們用NumPy庫做數(shù)據(jù)分析時，如何轉(zhuǎn)換時間呢？

在NumPy 1.7版本開始，它的核心數(shù)組（ndarray）對象支持datetime相關功能，由于'datetime'這個數(shù)據(jù)類型名稱已經(jīng)在Python自帶的datetime模塊中使用了， NumPy中時間數(shù)據(jù)的類型稱為'datetime64'。

單個時間格式字符串轉(zhuǎn)換為numpy的datetime對象，可使用datetime64實例化一個對象，如下所示：

#時間字符串轉(zhuǎn)numpy.datetime64
datetime_nd=np.datetime64('2019-01-01')
print(type(datetime_nd))#

反過來numpy的datetime對象轉(zhuǎn)換為時間格式字符串，可使用datetime_as_string()函數(shù)，如下所示：

#numpy.datetime64轉(zhuǎn)時間字符串
datetime_str=np.datetime_as_string(datetime_nd)
print(type(datetime_str))#

從時間格式字符串數(shù)組去創(chuàng)建numpy的datetime對象數(shù)組（array）時，可以直接使用numpy.array()函數(shù)，指定dtype為'datetime64'，這樣的話數(shù)組中的元素為'datetime64'類型，如下所示：

datetime_array = np.array(['2019-01-05','2019-01-02','2019-01-03'], dtype='datetime64')
print(datetime_array)#['2019-01-05' '2019-01-02' '2019-01-03']
print(type(datetime_array))#
print(type(datetime_array[0]))#

也可以通過numpy.arange()函數(shù)，給定時間起始范圍去創(chuàng)建numpy的datetime對象數(shù)組（array），指定dtype為'datetime64'時默認以日為時間間隔，如下所示：

datetime_array = np.arange('2019-01-05','2019-01-10', dtype='datetime64')
print(datetime_array)#['2019-01-05' '2019-01-06' '2019-01-07' '2019-01-08' '2019-01-09']

設定numpy.arange()函數(shù)中的dtype參數(shù)，可以調(diào)整時間的間隔，比如以年、月、周，甚至小時、分鐘、毫秒程度的間隔生成時間數(shù)組，這點和Python的datetime模塊是一樣的，分為了date單位和time單位。如下所示：

# generate year datetime array
datetime_array = np.arange('2018-01-01','2020-01-01', dtype='datetime64[Y]')
print(datetime_array)#['2018' '2019']
# generate month datetime array
datetime_array = np.arange('2019-01-01','2019-10-01', dtype='datetime64[M]')
print(datetime_array)#['2019-01' '2019-02' '2019-03' '2019-04' '2019-05' '2019-06' '2019-07' '2019-08' '2019-09']
# generate week datetime array
datetime_array = np.arange('2019-01-05','2019-02-10', dtype='datetime64[W]')
print(datetime_array)#['2019-01-03' '2019-01-10' '2019-01-17' '2019-01-24' '2019-01-31']
# generate ms datetime array
datetime_array = np.arange('2019-01-05','2019-01-10', dtype='datetime64[ms]')
print(datetime_array)
#['2019-01-05T00:00:00.000' '2019-01-05T00:00:00.001'
# '2019-01-05T00:00:00.002' ... '2019-01-09T23:59:59.997'
# '2019-01-09T23:59:59.998' '2019-01-09T23:59:59.999']

將numpy.datetime64轉(zhuǎn)化為datetime格式轉(zhuǎn)換為datetime格式，可使用astype()方法轉(zhuǎn)換數(shù)據(jù)類型，如下所示：

#numpy.datetime64轉(zhuǎn)化為datetime格式
datetime_df=datetime_nd.astype(datetime.datetime)
print(type(datetime_df))#

另外，numpy也提供了datetime.timedelta類的功能，支持兩個時間對象的運算，得到一個時間單位形式的數(shù)值。因為numpy的核心數(shù)組（ndarray）對象沒有物理量系統(tǒng)（physical quantities system），所以創(chuàng)建了timedelta64數(shù)據(jù)類型來補充datetime64。datetime和timedelta結(jié)合提供了更簡單的datetime計算方法。如下所示：

# numpy.datetime64 calculations
datetime_delta = np.datetime64('2009-01-01') - np.datetime64('2008-01-01')
print(datetime_delta)#366 days
print(type(datetime_delta))#
datetime_delta = np.datetime64('2009') + np.timedelta64(20, 'D')
print(datetime_delta)#2009-01-21
datetime_delta = np.datetime64('2011-06-15T00:00') + np.timedelta64(12, 'h')
print(datetime_delta)#2011-06-15T12:00
datetime_delta = np.timedelta64(1,'W') / np.timedelta64(1,'D')
print(datetime_delta)#7.0

關于Python中怎么利用Numpy庫處理datetime類型就分享到這里了，希望以上內(nèi)容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。

另外有需要云服務器可以了解下創(chuàng)新互聯(lián)scvps.cn，海內(nèi)外云服務器15元起步，三天無理由+7*72小時售后在線，公司持有idc許可證，提供“云服務器、裸金屬服務器、高防服務器、香港服務器、美國服務器、虛擬主機、免備案服務器”等云主機租用服務以及企業(yè)上云的綜合解決方案，具有“安全穩(wěn)定、簡單易用、服務可用性高、性價比高”等特點與優(yōu)勢，專為企業(yè)上云打造定制，能夠滿足用戶豐富、多元化的應用場景需求。