Numpy中的时间类型

从Numpy1.7开始，已经有了原生的日期-时间支持，基本类型称为datetime64。

In [1]: import numpy as np

In [2]: nd = np.datetime64('2018-05-08')

In [3]: nd
Out[3]: numpy.datetime64('2018-05-08')

和datetime一样，datetime64对象可以表示为字符串对象。

In [4]: np.datetime_as_string(nd)
Out[4]: '2018-05-08'

每个这类对象都保存在元数据，可以通过date_time_date方法访问，两个主要的组成部分是频率信息和单位（D:天）。

In [5]: np.datetime_data(nd)
Out[5]: ('D', 1)

 

从datetime对象中构造datetime64对象：

In [7]: d = datetime.datetime(2018,7,31,12,16,30,500000)

In [8]: d
Out[8]: datetime.datetime(2018, 7, 31, 12, 16, 30, 500000)

In [10]: ng = np.datetime64(d)

In [11]: ng
Out[11]: numpy.datetime64('2018-07-31T12:16:30.500000')

同样，可以将datetime64对象转换成datetime对象：

In [12]: nd.astype(datetime.datetime)
Out[12]: datetime.date(2018, 5, 8)

In [13]: nd.astype(datetime.date)
Out[13]: datetime.date(2018, 5, 8)

另外还有另外一种不常见的datetime64的构造方法：（提供一个字符串解和频率信息）

In [15]: nh = np.datetime64('2015-10','D')

In [16]: nh
Out[16]: numpy.datetime64('2015-10-01')

 

 

使用arange函数生成一个日期范围，当然可以指定日期范围

In [17]: np.array(['2015-10-01','2015-10-05','2015-10-10'],dtype='datetime64')
Out[17]: array(['2015-10-01', '2015-10-05