该单位传递给熊猫的datetime64数据类型做什么？
该单位传递给熊猫的datetime64数据类型做什么？
请考虑以下代码：
import pandas as pd
v1 = pd.DataFrame({'Date':['2020-01-01']*1000}).astype({'Date':'datetime64'})
v2 = pd.DataFrame({'Date':['2020-01-01']*1000}).astype({'Date':'datetime64[ns]'})
v3 = pd.DataFrame({'Date':['2020-01-01']*1000}).astype({'Date':'datetime64[ms]'})
v4 = pd.DataFrame({'Date':['2020-01-01']*1000}).astype({'Date':'datetime64[s]'})
v5 = pd.DataFrame({'Date':['2020-01-01']*1000}).astype({'Date':'datetime64[h]'})
v6 = pd.DataFrame({'Date':['2020-01-01']*1000}).astype({'Date':'datetime64[D]'})
v7 = pd.DataFrame({'Date':['2020-01-01']*1000}).astype({'Date':'datetime64[M]'})
v8 = pd.DataFrame({'Date':['2020-01-01']*1000}).astype({'Date':'datetime64[Y]'})
for v in [v1,v2,v3,v4,v5,v6,v7,v8]:
x = v.iloc[0,0]
print(x, type(x), x.to_datetime64(), v.memory_usage()['Date'])它返回：
2020-01-01 00:00:00 <class 'pandas._libs.tslibs.timestamps.Timestamp'> 2020-01-01T00:00:00.000000000 8000
2020-01-01 00:00:00 <class 'pandas._libs.tslibs.timestamps.Timestamp'> 2020-01-01T00:00:00.000000000 8000
2020-01-01 00:00:00 <class 'pandas._libs.tslibs.timestamps.Timestamp'> 2020-01-01T00:00:00.000000000 8000
2020-01-01 00:00:00 <class 'pandas._libs.tslibs.timestamps.Timestamp'> 2020-01-01T00:00:00.000000000 8000
2020-01-01 00:00:00 <class 'pandas._libs.tslibs.timestamps.Timestamp'> 2020-01-01T00:00:00.000000000 8000
2020-01-01 00:00:00 <class 'pandas._libs.tslibs.timestamps.Timestamp'> 2020-01-01T00:00:00.000000000 8000
2020-01-01 00:00:00 <class 'pandas._libs.tslibs.timestamps.Timestamp'> 2020-01-01T00:00:00.000000000 8000
2020-01-01 00:00:00 <class 'pandas._libs.tslibs.timestamps.Timestamp'> 2020-01-01T00:00:00.000000000 8000回答 1
Stack Overflow用户
发布于 2022-11-30 16:16:54
首先: Pandas版本的datetime64类型只支持时区。具体来说，当您尝试在Pandas系列中使用datetime64变体时，它只支持as (阿秒)、fs (飞秒)、ps (皮秒)和ns (纳秒)分辨率，任何不太精确的都会被datetime64[ns]所取代。datetime64[<res>, <tz>]变体只接受s (秒)、ms (毫秒)、us (微秒)和ns分辨率。不要把这些和numpy datetime64 type混淆起来。
对于Pandas和Numpy，两个字母的缩写决定了用来记录时间戳的分辨率，而且由于类型总是以64位的形式存储，所以它决定了可以存储在其中的值的范围。它不会改变类型需要多少内存！
来自numpy datetime64 documentation
Datetime总是存储在1970-01-01T00:00的时代。这意味着支持的日期总是围绕着时代的对称间隔，在下表中称为“时间跨度”。
跨度的长度是64位整数的范围，乘以日期或单位的长度。例如，“W”(周)的时间跨度正好比“D”(天)的时间跨度长7倍，而“D”(day)的时间跨度正好是“h”(小时)的24倍。
你的实验不会显示内存使用上的任何不同，因为内存的数量不会改变，只有分辨率。
因为Pandas封装了numpy datetime64类型，所以实际上不能用datetime64[ns]以外的任何东西创建一个系列；例如，DateTimeIndex dtype parameter被记录为接受numpy.dtype、DatetimeTZDtype或str__，默认None，但是对于numpy.dtype，还有一个额外的限制：
注意，唯一允许的NumPy dtype是‘datetime64ns’。
因此，要演示不同单元的效果，必须直接使用numpy类型：
>>> import numpy as np
>>> for unit in ('Y', 'M', 'W', 'D', 'h', 'm', 's', 'ms', 'us', 'ns'): # ps, fs and as have too small a span
... print(unit, np.array(["2021-02-27T12:24:17.524627869"], dtype=f"datetime64[{unit}]"))
...
Y ['2021']
M ['2021-02']
W ['2021-02-25']
D ['2021-02-27']
h ['2021-02-27T12']
m ['2021-02-27T12:24']
s ['2021-02-27T12:24:17']
ms ['2021-02-27T12:24:17.524']
us ['2021-02-27T12:24:17.524627']
ns ['2021-02-27T12:24:17.524627869']Note：Pandas的文档只讨论过datetime64类型的ns解析，从GitHub上的各种问题中可以看出，虽然一些代码库支持其他(更精细)的解决方案，但库中的所有内容都不可靠或广泛支持这种支持。你的里程可能会不同。
https://stackoverflow.com/questions/74630783
复制相似问题
腾讯云开发者
