大佬教程收集整理的这篇文章主要介绍了将日期转换为 numpy 日期时间，大佬教程大佬觉得挺不错的，现在分享给大家，也给大家做个参考。
我有一个日期来自 csv 文件的数据框。我需要添加一列，其中列中的日期与“6/'1/2021”日期之间存在实际天数差异。我用过
Act_Days.append((pd.to_datetiR_583_11845@e(df.date[t])-
pd.to_datetiR_583_11845@e(df.settle_datE))/np.timedelta64(1,'D'))
这段代码有效，但这段代码需要很长时间来计算，因为数据集有大约 30K 行，我假设它是逐行计算的。无论如何是要提高速度。我听说使用 numpy 数组要快得多，然后使用 Pandas 系列，但是当我尝试将我的日期列转换为 numpy array 时，python 没有减去 6/1/2021 日期。它显示一个错误：
dates=output.date.to_numpy()
np.datetiR_583_11845@e64(dates)-np.timedelta64('2021-6-1','D')
--------------------------------------------------------------------------
ValueError TraceBACk (most recent call last)
<ipython-input-9-05fdef3e68dd> in <module>
1 dates=output.date.to_numpy()
----> 2 np.datetiR_583_11845@e64(dates)-np.timedelta64('2021-6-1','D')
ValueError: Could not convert object to NumPy datetiR_583_11845@e
考虑到您的方法，我会这样做（虽然不是说这是最好/最优的解决方案）：
import numpy as np
import pandas as pd
# Create sample dataset with roughly 30k values
sample_dates = list(np.arange('1990-01','2020-12',dtype='datetiR_583_11845@e64[D]'))
sample_dates = sample_dates + sample_dates + sample_dates
# Create sample dataframe
data = pd.DataFrame({
'Dates': sample_dates
})
# Add the new column
reference_date = np.datetiR_583_11845@e64("2021-01-06",'D')
data["Act_Days"] = data['Dates'].map(lambda date_value: int(str((np.datetiR_583_11845@e64(date_value,'D') - reference_datE)).split(' ')[0]))
# check results
data.head()
它使用基于 NumPy 数组和 Pandas' @H_864_5@map() 方法的操作来优化行迭代。结果如下所示：
只是为了澄清，字符串和整数解析已完成，因为 NumPy Timedelta 对象不可索引。
以上是大佬教程为你收集整理的将日期转换为 numpy 日期时间全部内容，希望文章能够帮你解决将日期转换为 numpy 日期时间所遇到的程序开发问题。
如果觉得大佬教程网站内容还不错，欢迎将大佬教程推荐给程序员好友。
本图文内容来源于网友网络收集整理提供，作为学习参考使用，版权属于原作者。
如您有任何意见或建议可联系处理。小编QQ：384754419，请注明来意。