NumPy - 日期和时间表示

在 NumPy 中表示日期和时间

在 NumPy 中表示日期和时间需要使用特定的数据类型来处理时间数据。datetime64 数据类型用于处理日期和时间，而 timedelta64 数据类型用于表示时间长度。

时间数据是指与时间相关的信息，例如日期、时间或时间间隔。它有助于追踪特定时间段内发生的变化或事件。

这些类型允许您以精确的方式存储、操作和执行日期和时间相关的计算。例如，您可以创建日期数组，执行诸如加减天数之类的算术运算，并轻松比较不同的日期。

numpy.datetime64 数据类型

NumPy 中的 numpy.datetime64 数据类型用于表示日期和时间。它可以处理不同的时间单位，从年到秒的微小分数，这使得它能够非常灵活且精确地处理日期和时间数据。

示例:创建 datetime64 对象

在以下示例中，我们将创建具有不同时间单位的 datetime64 对象 -

import numpy as np

# 创建具有不同时间单位的 datetime64 对象
date_year = np.datetime64('2024', 'Y')
date_month = np.datetime64('2024-11', 'M')
date_day = np.datetime64('2024-11-26', 'D')
date_hour = np.datetime64('2024-11-26T15', 'h')
date_minute = np.datetime64('2024-11-26T15:45', 'm')
date_second = np.datetime64('2024-11-26T15:45:30', 's')

print(date_year)
print(date_month)
print(date_day)
print(date_hour)
print(date_minute)
print(date_second)

以下是得到的输出 -

2024
2024-11
2024-11-26
2024-11-26T15
2024-11-26T15:45
2024-11-26T15:45:30

创建 datetime64 数组

您可以使用 numpy.array() 函数创建 datetime64 对象数组。这有助于同时存储和处理多个日期和时间。使用数组可以轻松快捷地对日期和时间数据进行操作。

示例

在此示例中，我们创建一个包含 datetime64 对象的数组，用于表示不同的日期 -

import numpy as np

# 创建一个包含 datetime64 对象的数组
dates = np.array(['2024-01-01', '2024-06-01', '2024-12-01'], dtype='datetime64[D]')

print(dates)

这将产生以下结果 -

['2024-01-01' '2024-06-01' '2024-12-01']

numpy.timedelta64 数据类型

NumPy 中的 numpy.timedelta64 数据类型用于表示时间长度。它可以处理不同的时间单位，让您指定精确的时间间隔。 timedelta64 类型可以轻松执行精确的时间长度计算。

示例:创建 timedelta64 对象

在以下示例中，我们将创建代表不同时间间隔的 timedelta64 对象 -

import numpy as np

# 创建具有不同时间单位的 timedelta64 对象
delta_days = np.timedelta64(10, 'D')
delta_hours = np.timedelta64(5, 'h')
delta_minutes = np.timedelta64(30, 'm')

print(delta_days)
print(delta_hours)
print(delta_minutes)

以下是上述代码的输出 -

10 days
5 hours
30 minutes

使用 datetime64 和 timedelta64 进行算术运算

NumPy 支持使用 datetime64 和 timedelta64 对象进行算术运算，从而轻松计算新的日期和时间长度。您可以对日期进行加减运算，或者计算两个日期之间的差值。这些操作可以帮助您快速高效地操作日期和时间。

例如，您可以对日期进行加减天数，或者计算两个日期之间的差值。

示例:执行日期运算

在本例中，我们将 datetime64 对象与 timedelta64 对象进行加减运算 -

import numpy as np

# 使用 datetime64 和 timedelta64 进行日期运算
start_date = np.datetime64('2024-01-01')
end_date = start_date + np.timedelta64(45, 'D')
duration = end_date - start_date

print(end_date)
print(duration)

输出结果如下所示 -

2024-02-15
45 天

比较 datetime64 对象

NumPy 允许您使用多个比较运算符比较 datetime64 对象，从而更轻松地分析日期和时间。

您可以使用诸如 == 之类的运算符来检查两个日期是否相同，!= 来检查它们是否不同，< 来查看一个日期是否在另一个日期之前，<= 来查看一个日期是在另一个日期之前还是与另一个日期相同。

类似地，您可以使用 > 来检查一个日期是否在另一个日期之后，>= 来检查一个日期是否在另一个日期之后或与另一个日期相同。这些比较对于处理基于时间的数据非常重要。

示例

在此示例中，我们比较两个 datetime64 对象以确定它们的时间关系 -

import numpy as np

# 比较 datetime64 对象
date1 = np.datetime64('2024-01-01')
date2 = np.datetime64('2024-12-31')

is_earlier = date1 < date2
is_later = date1 > date2

print(is_earlier)
print(is_later)

执行上述代码后，我们得到以下输出 -

True
False

处理时区

NumPy 的 datetime64 不直接支持时区，但您可以使用 pytz 或 datetime 等外部库来处理支持时区的数据。

示例:使用时区

在此示例中，我们使用 pytz 库来处理时区转换 -

from datetime import datetime
import pytz

# 定义时区
tz_utc = pytz.utc
tz_est = pytz.timezone('US/Eastern')

# 创建 datetime 对象并转换时区
dt_utc = datetime(2024, 1, 1, 12, 0, 0, tzinfo=tz_utc)
dt_est = dt_utc.astimezone(tz_est)

print("UTC:", dt_utc)
print("EST:", dt_est)

结果如下 −

UTC: 2024-01-01 12:00:00+00:00
EST: 2024-01-01 07:00:00-05:00