python 文本转日期_将文本转换为numpy格式的datetime64

日期格式是个问题，01/01/2015是不明确的，如果它是在ISO 8601中，你可以直接用numpy解析它，在你的例子中，因为你只需要日期，那么拆分和重新排列数据的速度将大大加快：t = np.array([datetime.strptime(d.split(None)[0], "%d/%m/%Y")

for d in t],dtype='datetime64[us]').astype('datetime64[D]')

一些计时，解析后首先重新排列：

^{pr2}$

您的代码：In [37]: %%timeit

from datetime import datetime

t = np.array(['21/02/2014 08:40:00 AM', '11/02/2014 10:50:00 PM',

'07/04/2014 05:50:00 PM', '17/02/2014 10:20:00 PM',

'07/03/2014 06:10:00 AM', '02/03/2014 12:25:00 PM',

'05/02/2014 03:20:00 AM', '31/01/2014 12:30:00 AM',

'28/02/2014 01:25:00 PM']*10000)

t = [datetime.strptime(tt,"%d/%m/%Y %H:%M:%S %p") for tt in t]

t = np.array(t,dtype='datetime64[us]').astype('datetime64[D]')

....:

1 loops, best of 3: 1.56 s per loop

两种方法得出的结果完全不同：In [48]: t = np.array(['21/02/2014 08:40:00 AM', '11/02/2014 10:50:00 PM',

'07/04/2014 05:50:00 PM', '17/02/2014 10:20:00 PM',

'07/03/2014 06:10:00 AM', '02/03/2014 12:25:00 PM',

'05/02/2014 03:20:00 AM', '31/01/2014 12:30:00 AM',

'28/02/2014 01:25:00 PM'] * 10000)

In [49]: t1 = [datetime.strptime(tt,"%d/%m/%Y %H:%M:%S %p") for tt in t]

t1 = np.array(t1,dtype='datetime64[us]').astype('datetime64[D]')

....:

In [50]: t2 = np.array([np.datetime64("{}-{}-{}".format(c[:4], b, a)) for a, b, c in (s.split("/", 2) for s in t)])

In [51]: (t1 == t2).all()

Out[51]: True