ошибка numpy и pandas timedelta

В Python у меня есть массив дат, сгенерированных (или прочитанных из CSV-файла) с использованием pandas, и я хочу добавить один год к каждой дате. Я могу заставить его работать с помощью панд, но не используя numpy. Что я делаю не так? Или это ошибка как панд, так и numpy?

Благодаря!

import numpy as np import pandas as pd from pandas.tseries.offsets import DateOffset # Generate range of dates using pandas. dates = pd.date_range('1980-01-01', '2015-01-01') # Add one year using pandas. dates2 = dates + DateOffset(years=1) # Convert result to numpy. THIS WORKS! dates2_np = dates2.values # Convert original dates to numpy array. dates_np = dates.values # Add one year using numpy. THIS FAILS! dates3 = dates_np + np.timedelta64(1, 'Y') # TypeError: Cannot get a common metadata divisor for NumPy datetime metadata [ns] and [Y] because they have incompatible nonlinear base time units 

2 Solutions collect form web for “ошибка numpy и pandas timedelta”

Добавление np.timedelta64(1, 'Y') в массив dtype datetime64[ns] не работает, потому что год не соответствует фиксированному числу наносекунд. Иногда год составляет 365 дней, иногда 366 дней, иногда даже второй прыжок. (Обратите внимание на дополнительные прыжковые секунды, например, тот, который произошел в 2015-06-30 23:59:60, не представляются как NumPy datetime64s.)

Самый простой способ добавить год к массиву NumPy datetime64[ns] – это разбить его на составные части, такие как годы, месяцы и дни, выполнить вычисления на целочисленных массивах и затем перекомпоновать массив datetime64:

 def year(dates): "Return an array of the years given an array of datetime64s" return dates.astype('M8[Y]').astype('i8') + 1970 def month(dates): "Return an array of the months given an array of datetime64s" return dates.astype('M8[M]').astype('i8') % 12 + 1 def day(dates): "Return an array of the days of the month given an array of datetime64s" return (dates - dates.astype('M8[M]')) / np.timedelta64(1, 'D') + 1 def combine64(years, months=1, days=1, weeks=None, hours=None, minutes=None, seconds=None, milliseconds=None, microseconds=None, nanoseconds=None): years = np.asarray(years) - 1970 months = np.asarray(months) - 1 days = np.asarray(days) - 1 types = ('<M8[Y]', '<m8[M]', '<m8[D]', '<m8[W]', '<m8[h]', '<m8[m]', '<m8[s]', '<m8[ms]', '<m8[us]', '<m8[ns]') vals = (years, months, days, weeks, hours, minutes, seconds, milliseconds, microseconds, nanoseconds) return sum(np.asarray(v, dtype=t) for t, v in zip(types, vals) if v is not None) # break the datetime64 array into constituent parts years, months, days = [f(dates_np) for f in (year, month, day)] # recompose the datetime64 array after adding 1 to the years dates3 = combine64(years+1, months, days) 

доходность

 In [185]: dates3 Out[185]: array(['1981-01-01', '1981-01-02', '1981-01-03', ..., '2015-12-30', '2015-12-31', '2016-01-01'], dtype='datetime64[D]') 

Несмотря на то, что, похоже, так много кода, это происходит быстрее, чем добавление DateOffset от 1 года:

 In [206]: %timeit dates + DateOffset(years=1) 1 loops, best of 3: 285 ms per loop In [207]: %%timeit .....: years, months, days = [f(dates_np) for f in (year, month, day)] .....: combine64(years+1, months, days) .....: 100 loops, best of 3: 2.65 ms per loop 

Конечно, pd.tseries.offsets предлагает целый набор смещений, которые не имеют простого аналога при работе с NumPy datetime64.

Вот что он говорит в документации numpy:

Есть два блока Timedelta («Y», годы и «M», месяцы), которые обрабатываются специально, потому что сколько времени они представляют изменения в зависимости от того, когда они используются. В то время как единица timedelta day эквивалентна 24 часам, нет возможности конвертировать месячную единицу в дни, потому что разные месяцы имеют разное количество дней.

Кажется, что работают дни и недели:

 dates4 = dates_np + np.timedelta64(1, 'D') dates5 = dates_np + np.timedelta64(1, 'W') 
Python - лучший язык программирования в мире.