Python numpy: datetime64 [ns] - datetime64 [D] 'ye dönüştürülemez (Numba ile kullanmak için)

Question

Bir datetime dizisini bir Numba işlevine iletmek istiyorum (bu, vektörleştirilemez ve aksi halde çok yavaş olabilir). Numba'nın numpy.datetime64'ü desteklediğini anlıyorum. Ancak, o datetime64 [D] (gün hassasiyeti) desteklemiyor gibi görünüyor, fakat datetime64 [ns] (milisaniye kesinliği) değil (bunu zor yoldan öğrendim: belgelendi mi?).

datetime64 [ns] 'tan datetime64 [D]' e dönüştürmeyi denedim, ancak bir yol bulamadık! Herhangi bir fikir?

Sorunumu asgari kodla özetledim. Datetime64 [D] olan testdf(mydates) çalıştırırsanız, iyi çalışır. Eğer datetime64 [ns] olan testdf(dates_input) çalıştırırsanız, o olmaz. Bu örneğin sadece tarihleri ​​(henüz) onlarla hiçbir şey yapmayan Numba işlevine iletir. Date_input öğesini datetime64 [D] 'ye dönüştürmeye çalışıyorum, ancak dönüşüm çalışmıyor. Orijinal kodumda bir SQL tablosundan pandalar veri çerçevesine okudum ve her bir günün tarihini 15'e değiştiren bir sütuna ihtiyacım var.

import numba 
import numpy as np 
import pandas as pd 
import datetime 

mydates =np.array(['2010-01-01','2011-01-02']).astype('datetime64[D]') 
df=pd.DataFrame() 
df["rawdate"]=mydates 
df["month_15"] = df["rawdate"].apply(lambda r: datetime.date(r.year, r.month,15)) 

dates_input = df["month_15"].astype('datetime64[D]') 
print dates_input.dtype # Why datetime64[ns] and not datetime64[D] ?? 


@numba.jit(nopython=True) 
def testf(dates): 
    return 1 

print testf(mydates) 

Ben testdf(dates_input) çalıştırırsanız alıyorum hatadır:

numba.typeinfer.TypingError: Failed at nopython (nopython frontend) 
Var 'dates' unified to object: dates := {pyobject} 

Answer 1

Series.astypedatetime64[ns] için tüm tarih benzeri nesneler dönüştürür. astype çağırmadan önce NumPy dizi elde etmek üzere values kullanın datetime64[D] dönüştürmek için: NDFrames (örneğin Serisi ve DataFrames gibi) sadece d_type datetime64[ns] nesneleri olarak tarih saat benzeri nesneler tutabilir

dates_input = df["month_15"].values.astype('datetime64[D]') 

---

not edin. Tüm tarihsaat-beğenilerin ortak bir dtype'a otomatik olarak dönüştürülmesi, sonraki tarih hesaplamaları kolaylaştırır. Ancak, DataFrame sütununda datetime64[s] nesnesini saklamak imkansız hale getirir.

In [29]: df['month_15'].astype('datetime64[D]').dtype 
Out[29]: dtype('<M8[ns]') 

Eğer Serisi öğeler arasında yineleme zaman, sen datetime64[ns], pandalar Timestamps değil almak: Pandalar çekirdek geliştiricisi, Jeff Reback explains,

"We don't allow direct conversions because its simply too complicated to keep anything other than datetime64[ns] internally (nor necessary at all)."

---

Ayrıca d_type datetime64[ns] rağmen df['month_15'].astype('datetime64[D]') sahip olduğuna dikkat s.

In [28]: df['month_15'].astype('datetime64[D]').tolist() 
Out[28]: [Timestamp('2010-01-15 00:00:00'), Timestamp('2011-01-15 00:00:00')] 

Bu nedenle, Numba aslında datetime64[ns] ile ilgili bir sorun olduğu açık değildir, sadece Timestamps ile ilgili bir sorun olabilir. Üzgünüz, bunu kontrol edemiyorum - Numba'nın yüklü olmaması. o zaman gerekmiyor, o çalışırsa

In [31]: df['month_15'].astype('datetime64[D]').values.dtype 
Out[31]: dtype('<M8[ns]') 

: Eğer df['month_15'].astype('datetime64[D]').values beri

testf(df['month_15'].astype('datetime64[D]').values) 

gerçekten d_type datetime64[ns] bir NumPy dizisidir denemek için

Ancak, yararlı olabilir her şeyi datetime64[D]'a dönüştürün, sadece Nums dizilerini değil - Pandas Series'i testf'a geçirmeniz yeterli.