这个问题的动机是一个答案 to a 关于提高绩效的问题进行比较时DatetimeIndex in pandas.
该解决方案将转换为DatetimeIndex to a numpy阵列通过df.index.values并将数组与np.datetime64目的。这似乎是从比较中检索布尔数组的最有效方法。
一位开发者对此问题的反馈pandas是：“这些通常是不一样的。提供 numpy 解决方案通常是一种特殊情况，不推荐。”
我的问题是：
- 它们对于操作的子集可以互换吗？我很欣赏
DatetimeIndex提供更多功能，但我只需要基本功能，例如切片和索引。
- 是否有任何记录在案的差异result对于可转换为的操作
numpy?
在我的研究中，我发现一些帖子提到“并不总是兼容” - 但它们似乎都没有任何结论性的参考/文档，或具体说明为什么/何时通常它们不兼容。许多其他帖子都使用numpy表示不予评论。
- Pandas DatetimeIndex 索引 dtype：datetime64 与 Timestamp
- 如何从 pandas.DatetimeIndex 转换为 numpy.datetime64？
在我看来，你应该总是更喜欢使用Timestamp- 在需要的情况下，它可以轻松地转换回 numpy 日期时间。
numpy.datetime64本质上是一个薄包装纸int64。它几乎没有特定于日期/时间的功能。
pd.Timestamp是一个围绕 a 的包装numpy.datetime64。它由相同的 int64 值支持，但支持整个datetime.datetime界面，以及有用的 pandas 特定功能。
这两者的数组内表示是相同的 - 它是一个连续的 int64 数组。pd.Timestamp是一个标量框，可以更轻松地处理各个值。
回到链接的答案，你可以这样写，这样更短而且更快。
%timeit (df.index.values >= pd.Timestamp('2011-01-02').to_datetime64()) & \
(df.index.values < pd.Timestamp('2011-01-03').to_datetime64())
192 µs ± 6.78 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
