NEP 7 — NumPy 中实现一些日期/时间类型的提案#
- 作者:
Travis Oliphant
- 联系方式:
- 日期:
2009-06-09
- 状态:
最终
仅对 Francesc Alted i Abad 的第三个提案进行了轻微修改
- 作者:
Francesc Alted i Abad
- 联系方式:
- 作者:
Ivan Vilata i Balaguer
- 联系方式:
- 日期:
2008-07-30
执行摘要#
日期/时间标记在许多需要处理数据集的领域中非常有用。虽然 Python 有几个模块定义了日期/时间类型(例如集成的 datetime
[1] 或 mx.DateTime
[2]),但 NumPy 缺乏这些类型。
我们建议添加日期/时间类型来填补这一空白。对所提议类型的要求是双重的:1) 它们必须能够快速操作,以及 2) 它们必须尽可能地与 Python 附带的现有 datetime
模块兼容。
提议的类型#
几乎不可能提出一种能够满足所有用例需求的单一日期/时间类型。因此,我们建议两种通用的日期时间类型:1) timedelta64
– 相对时间和 2) datetime64
– 绝对时间。
这些时间中的每一个都在内部表示为 64 位有符号整数,这些整数引用特定的单位(小时、分钟、微秒等)。有几个预定义的单位以及创建这些单位的有理倍数的能力。还支持一种表示形式,其中存储的日期时间整数可以同时编码特定单位的数量以及为每个单位跟踪的连续事件的数量。
datetime64
表示绝对时间。它在内部表示为目标时间与纪元(1970 年 1 月 1 日凌晨 12:00 — POSIX 时间,包括其缺乏闰秒)之间的时间单位数。
时间单位#
64 位整数时间可以表示几个不同的基本单位以及派生单位。基本单位列在下表中
时间单位 |
时间跨度 |
时间跨度(年) |
|
---|---|---|---|
代码 |
含义 |
相对时间 |
绝对时间 |
Y |
年 |
+- 9.2e18 年 |
[公元前 9.2e18 年,公元 9.2e18 年] |
M |
月 |
+- 7.6e17 年 |
[公元前 7.6e17 年,公元 7.6e17 年] |
W |
周 |
+- 1.7e17 年 |
[公元前 1.7e17 年,公元 1.7e17 年] |
B |
工作日 |
+- 3.5e16 年 |
[公元前 3.5e16 年,公元 3.5e16 年] |
D |
天 |
+- 2.5e16 年 |
[公元前 2.5e16 年,公元 2.5e16 年] |
h |
小时 |
+- 1.0e15 年 |
[公元前 1.0e15 年,公元 1.0e15 年] |
m |
分钟 |
+- 1.7e13 年 |
[公元前 1.7e13 年,公元 1.7e13 年] |
s |
秒 |
+- 2.9e12 年 |
[公元前 2.9e9 年,公元 2.9e9 年] |
ms |
毫秒 |
+- 2.9e9 年 |
[公元前 2.9e6 年,公元 2.9e6 年] |
us |
微秒 |
+- 2.9e6 年 |
[公元前 290301 年,公元 294241 年] |
ns |
纳秒 |
+- 292 年 |
[公元 1678 年,公元 2262 年] |
ps |
皮秒 |
+- 106 天 |
[公元 1969 年,公元 1970 年] |
fs |
飞秒 |
+- 2.6 小时 |
[公元 1969 年,公元 1970 年] |
as |
阿秒 |
+- 9.2 秒 |
[公元 1969 年,公元 1970 年] |
时间单位由一个字符串指定,该字符串由上述表格中给出的基本类型组成
除了这些基本代码单位外,用户还可以创建由任何基本单位的倍数组成的派生单位:100ns、3M、15m 等。
可以使用任何基本单位的有限数量的除法来创建更高分辨率单位的倍数,前提是除数可以被可用更高分辨率单位的数量整除。例如:Y/4 只是 -> (12M)/4 -> 3M 的简写,并且 Y/4 将在创建后表示为 3M。将选择找到的第一个具有偶数除数的较低单位(最多 3 个较低单位)。在本例中,使用以下标准化定义来查找可接受的除数
代码 |
解释为 |
---|---|
Y |
12M、52W、365D |
M |
4W、30D、720h |
W |
5B、7D、168h、10080m |
B |
24h、1440m、86400s |
D |
24h、1440m、86400s |
h |
60m、3600s |
m |
60s、60000ms |
s、ms、us、ns、ps、fs(分别使用下一个两个可用较低单位的 1000 和 1000000)。
最后,可以使用支持在基本单位内跟踪连续事件的日期时间数据类型:[D]//100、[Y]//4(注意所需的括号)。这些 modulo
事件单位为日期时间整数提供以下解释
除数是每个周期中的事件数
(整数)商是表示基本单位的整数
余数是周期内的特定事件。
模事件单位可以与任何派生单位组合,但需要括号。因此 [100ns]//50 允许为每 100ns 记录 50 个事件,这样 0 表示第一个 100ns 滴答中的第一个事件,1 表示第一个 100ns 滴答中的第二个事件,而 50 表示第二个 100ns 滴答中的第一个事件,51 表示第二个 100ns 滴答中的第二个事件。
要完全指定日期时间类型,必须将时间单位字符串与 datetime64(‘M8’)或 timedelta64(‘m8’)的字符串结合使用,并使用括号 ‘[]’。因此,表示日期时间 dtype 的完整指定字符串为 ‘M8[Y]’ 或(对于更复杂的示例)‘M8[7s/9]//5’。
如果未指定时间单位,则默认为 [us]。因此 ‘M8’ 等效于 ‘M8[us]’(除非需要模事件单位 – 即您不能将 ‘M8[us]//5’ 指定为 ‘M8//5’ 或 ‘//5’
datetime64
#
此 dtype 表示绝对时间(即非相对时间)。它在内部实现为 int64
类型。整数表示从内部 POSIX 纪元(参见 [3])开始的时间单位。与 POSIX 一样,日期的表示形式不考虑闰秒。
在时间单位转换和时间表示中(但在其他时间计算中不是),值 -2**63(0x8000000000000000)被解释为无效或未知日期,非时间或NaT。有关更多信息,请参见时间单位转换部分。
因此,绝对日期的值是所选时间单位的整数单位数自纪元以来已过去。如果整数为负数,则整数的量级表示纪元之前的时间单位数。在处理工作日时,星期六和星期日将简单地从计数中忽略(即,工作日中的第 3 天不是 1970-01-03 星期六,而是 1970-01-05 星期一)。
构建 datetime64
dtype#
建议在 dtype 构造函数中指定时间单位的方法有
使用长字符串表示法
dtype('datetime64[us]')
使用短字符串表示法
dtype('M8[us]')
如果未指定时间单位,则默认为 [us]。因此 ‘M8’ 等效于 ‘M8[us]’。
设置和获取值#
可以使用一系列方法设置具有此 dtype 的对象
t = numpy.ones(3, dtype='M8[s]')
t[0] = 1199164176 # assign to July 30th, 2008 at 17:31:00
t[1] = datetime.datetime(2008, 7, 30, 17, 31, 01) # with datetime module
t[2] = '2008-07-30T17:31:02' # with ISO 8601
也可以通过不同的方式获取
str(t[0]) --> 2008-07-30T17:31:00
repr(t[1]) --> datetime64(1199164177, 's')
str(t[0].item()) --> 2008-07-30 17:31:00 # datetime module object
repr(t[0].item()) --> datetime.datetime(2008, 7, 30, 17, 31) # idem
str(t) --> [2008-07-30T17:31:00 2008-07-30T17:31:01 2008-07-30T17:31:02]
repr(t) --> array([1199164176, 1199164177, 1199164178],
dtype='datetime64[s]')
比较#
也将支持比较
numpy.array(['1980'], 'M8[Y]') == numpy.array(['1979'], 'M8[Y]')
--> [False]
包括应用广播
numpy.array(['1979', '1980'], 'M8[Y]') == numpy.datetime64('1980', 'Y')
--> [False, True]
以下也应该有效
numpy.array(['1979', '1980'], 'M8[Y]') == '1980-01-01'
--> [False, True]
因为右侧表达式可以广播到 dtype ‘M8[Y]’ 的 2 个元素的数组中。
兼容性问题#
仅当使用微秒的时间单位时,这才能与 Python 的 datetime
模块的 datetime
类完全兼容。对于其他时间单位,转换过程将根据需要丢失精度或溢出。从/到 datetime
对象的转换不考虑闰秒。
timedelta64
#
它表示相对时间(即非绝对时间)。它在内部实现为 int64
类型。
在时间单位转换和时间表示中(但在其他时间计算中不是),值 -2**63(0x8000000000000000)被解释为无效或未知时间,非时间或NaT。有关更多信息,请参见时间单位转换部分。
时间增量的值是所选时间单位的整数单位数。
构建 timedelta64
dtype#
建议在 dtype 构造函数中指定时间单位的方法有
使用长字符串表示法
dtype('timedelta64[us]')
使用短字符串表示法
dtype('m8[us]')
如果未指定时间单位,则假定默认为 [us]。因此 ‘m8’ 和 ‘m8[us]’ 等效。
设置和获取值#
可以使用一系列方法设置具有此 dtype 的对象
t = numpy.ones(3, dtype='m8[ms]')
t[0] = 12 # assign to 12 ms
t[1] = datetime.timedelta(0, 0, 13000) # 13 ms
t[2] = '0:00:00.014' # 14 ms
也可以通过不同的方式获取
str(t[0]) --> 0:00:00.012
repr(t[1]) --> timedelta64(13, 'ms')
str(t[0].item()) --> 0:00:00.012000 # datetime module object
repr(t[0].item()) --> datetime.timedelta(0, 0, 12000) # idem
str(t) --> [0:00:00.012 0:00:00.014 0:00:00.014]
repr(t) --> array([12, 13, 14], dtype="timedelta64[ms]")
比较#
也将支持比较
numpy.array([12, 13, 14], 'm8[ms]') == numpy.array([12, 13, 13], 'm8[ms]')
--> [True, True, False]
或通过应用广播
numpy.array([12, 13, 14], 'm8[ms]') == numpy.timedelta64(13, 'ms')
--> [False, True, False]
以下也应该有效
numpy.array([12, 13, 14], 'm8[ms]') == '0:00:00.012'
--> [True, False, False]
因为右侧表达式可以广播到 dtype ‘m8[ms]’ 的 3 个元素的数组中。
兼容性问题#
仅当使用微秒的时间单位时,这才能与 Python 的 datetime
模块的 timedelta
类完全兼容。对于其他单位,转换过程将根据需要丢失精度或溢出。
使用示例#
以下是如何使用 datetime64
的示例
In [5]: numpy.datetime64(42, 'us')
Out[5]: datetime64(42, 'us')
In [6]: print numpy.datetime64(42, 'us')
1970-01-01T00:00:00.000042 # representation in ISO 8601 format
In [7]: print numpy.datetime64(367.7, 'D') # decimal part is lost
1971-01-02 # still ISO 8601 format
In [8]: numpy.datetime('2008-07-18T12:23:18', 'm') # from ISO 8601
Out[8]: datetime64(20273063, 'm')
In [9]: print numpy.datetime('2008-07-18T12:23:18', 'm')
Out[9]: 2008-07-18T12:23
In [10]: t = numpy.zeros(5, dtype="datetime64[ms]")
In [11]: t[0] = datetime.datetime.now() # setter in action
In [12]: print t
[2008-07-16T13:39:25.315 1970-01-01T00:00:00.000
1970-01-01T00:00:00.000 1970-01-01T00:00:00.000
1970-01-01T00:00:00.000]
In [13]: repr(t)
Out[13]: array([267859210457, 0, 0, 0, 0], dtype="datetime64[ms]")
In [14]: t[0].item() # getter in action
Out[14]: datetime.datetime(2008, 7, 16, 13, 39, 25, 315000)
In [15]: print t.dtype
dtype('datetime64[ms]')
以下是 timedelta64
的使用示例
In [5]: numpy.timedelta64(10, 'us')
Out[5]: timedelta64(10, 'us')
In [6]: print numpy.timedelta64(10, 'us')
0:00:00.000010
In [7]: print numpy.timedelta64(3600.2, 'm') # decimal part is lost
2 days, 12:00
In [8]: t1 = numpy.zeros(5, dtype="datetime64[ms]")
In [9]: t2 = numpy.ones(5, dtype="datetime64[ms]")
In [10]: t = t2 - t1
In [11]: t[0] = datetime.timedelta(0, 24) # setter in action
In [12]: print t
[0:00:24.000 0:00:01.000 0:00:01.000 0:00:01.000 0:00:01.000]
In [13]: print repr(t)
Out[13]: array([24000, 1, 1, 1, 1], dtype="timedelta64[ms]")
In [14]: t[0].item() # getter in action
Out[14]: datetime.timedelta(0, 24)
In [15]: print t.dtype
dtype('timedelta64[s]')
使用日期/时间数组进行操作#
datetime64
与 datetime64
#
绝对日期之间唯一允许的算术运算为减法
In [10]: numpy.ones(3, "M8[s]") - numpy.zeros(3, "M8[s]")
Out[10]: array([1, 1, 1], dtype=timedelta64[s])
但不允许其他运算
In [11]: numpy.ones(3, "M8[s]") + numpy.zeros(3, "M8[s]")
TypeError: unsupported operand type(s) for +: 'numpy.ndarray' and 'numpy.ndarray'
允许绝对日期之间的比较。
转换规则#
当对(基本上,仅允许减法)具有不同时间单位的两个绝对时间进行运算时,结果将引发异常。这是因为不同时间单位的范围和时间跨度可能非常不同,并且用户将首选哪个时间单位根本不清楚。例如,这应该允许
>>> numpy.ones(3, dtype="M8[Y]") - numpy.zeros(3, dtype="M8[Y]")
array([1, 1, 1], dtype="timedelta64[Y]")
但下一个不应该
>>> numpy.ones(3, dtype="M8[Y]") - numpy.zeros(3, dtype="M8[ns]")
raise numpy.IncompatibleUnitError # what unit to choose?
datetime64
与 timedelta64
#
可以从绝对日期中添加和减去相对时间
In [10]: numpy.zeros(5, "M8[Y]") + numpy.ones(5, "m8[Y]")
Out[10]: array([1971, 1971, 1971, 1971, 1971], dtype=datetime64[Y])
In [11]: numpy.ones(5, "M8[Y]") - 2 * numpy.ones(5, "m8[Y]")
Out[11]: array([1969, 1969, 1969, 1969, 1969], dtype=datetime64[Y])
但不允许其他运算
In [12]: numpy.ones(5, "M8[Y]") * numpy.ones(5, "m8[Y]")
TypeError: unsupported operand type(s) for *: 'numpy.ndarray' and 'numpy.ndarray'
转换规则#
在这种情况下,绝对时间应该优先用于确定结果的时间单位。这将代表人们大多数时候想要做的事情。例如,这将允许执行
>>> series = numpy.array(['1970-01-01', '1970-02-01', '1970-09-01'],
dtype='datetime64[D]')
>>> series2 = series + numpy.timedelta(1, 'Y') # Add 2 relative years
>>> series2
array(['1972-01-01', '1972-02-01', '1972-09-01'],
dtype='datetime64[D]') # the 'D'ay time unit has been chosen
timedelta64
与 timedelta64
#
最后,可以像操作常规 int64 数据类型一样操作相对时间,*只要*结果可以转换回 timedelta64
In [10]: numpy.ones(3, 'm8[us]')
Out[10]: array([1, 1, 1], dtype="timedelta64[us]")
In [11]: (numpy.ones(3, 'm8[M]') + 2) ** 3
Out[11]: array([27, 27, 27], dtype="timedelta64[M]")
但是
In [12]: numpy.ones(5, 'm8') + 1j
TypeError: the result cannot be converted into a ``timedelta64``
转换规则#
当组合两个具有不同时间单位的 timedelta64
数据类型时,结果将是两者中较短的那个(“保留精度”规则)。例如
In [10]: numpy.ones(3, 'm8[s]') + numpy.ones(3, 'm8[m]')
Out[10]: array([61, 61, 61], dtype="timedelta64[s]")
然而,由于无法知道相对年或相对月的精确持续时间,当这些时间单位出现在其中一个操作数中时,将不允许执行该操作。
In [11]: numpy.ones(3, 'm8[Y]') + numpy.ones(3, 'm8[D]')
raise numpy.IncompatibleUnitError # how to convert relative years to days?
为了能够执行上述操作,提出了一个名为 change_timeunit
的新 NumPy 函数。其签名将为
change_timeunit(time_object, new_unit, reference)
其中“time_object”是要更改其单位的时间对象,“new_unit”是所需的新的时间单位,“reference”是将用于允许在使用时间单位时转换相对时间的绝对日期(NumPy datetime64 标量)具有不确定数量的较小时间单位(相对年或月无法用天表示)。
这样,上述操作可以按如下方式完成
In [10]: t_years = numpy.ones(3, 'm8[Y]')
In [11]: t_days = numpy.change_timeunit(t_years, 'D', '2001-01-01')
In [12]: t_days + numpy.ones(3, 'm8[D]')
Out[12]: array([366, 366, 366], dtype="timedelta64[D]")
数据类型与时间单位转换#
为了更改现有数组的日期/时间数据类型,我们建议使用 .astype()
方法。这主要用于更改时间单位。
例如,对于绝对日期
In[10]: t1 = numpy.zeros(5, dtype="datetime64[s]")
In[11]: print t1
[1970-01-01T00:00:00 1970-01-01T00:00:00 1970-01-01T00:00:00
1970-01-01T00:00:00 1970-01-01T00:00:00]
In[12]: print t1.astype('datetime64[D]')
[1970-01-01 1970-01-01 1970-01-01 1970-01-01 1970-01-01]
对于相对时间
In[10]: t1 = numpy.ones(5, dtype="timedelta64[s]")
In[11]: print t1
[1 1 1 1 1]
In[12]: print t1.astype('timedelta64[ms]')
[1000 1000 1000 1000 1000]
将不支持直接从/到相对到/从绝对数据类型进行更改。
In[13]: numpy.zeros(5, dtype="datetime64[s]").astype('timedelta64')
TypeError: data type cannot be converted to the desired type
工作日具有其特殊性,即它们不涵盖连续的时间线(在周末有间隙)。因此,当从任何普通时间转换为工作日时,可能会发生原始时间无法表示的情况。在这种情况下,转换的结果为*不是时间*(*NaT*)。
In[10]: t1 = numpy.arange(5, dtype="datetime64[D]")
In[11]: print t1
[1970-01-01 1970-01-02 1970-01-03 1970-01-04 1970-01-05]
In[12]: t2 = t1.astype("datetime64[B]")
In[13]: print t2 # 1970 begins in a Thursday
[1970-01-01 1970-01-02 NaT NaT 1970-01-05]
当转换回普通日期时,NaT 值保持不变(这发生在所有时间单位转换中)。
In[14]: t3 = t2.astype("datetime64[D]")
In[13]: print t3
[1970-01-01 1970-01-02 NaT NaT 1970-01-05]
NumPy 的必要更改#
为了便于添加日期时间数据类型,对 NumPy 进行了一些更改。
向数据类型添加元数据#
所有数据类型现在都具有元数据字典。可以在对象构造期间使用 metadata 关键字进行设置。
日期时间数据类型将在包含以下参数的 4 元组的 meta 数据字典中放置单词“__frequency__”。
- (基本单位字符串 (str),
倍数 (int),子划分数 (int),事件数 (int))。
因此,像“D”(表示天)这样的简单时间单位将在元数据的“__frequency__”键中指定为('D',1,1,1)。更复杂的时间单位(如“[2W/5]//50”)将由('D',2,5,50)表示。
“__frequency__”键保留用于元数据,不能使用数据类型构造函数设置。
Ufunc 接口扩展#
具有日期时间和时间增量参数的 ufunc 可以在 ufunc 调用期间使用 Python API(以引发错误)。
有一个新的 ufunc C API 调用来设置特定函数指针(对于特定的一组数据类型)的数据,使其成为传递给 ufunc 的数组列表。
数组接口扩展#
数组接口扩展到处理日期时间和时间增量 typestr(包括扩展表示法)。
此外,__array_interface__ 的 typestr 元素可以是元组,只要版本字符串为 4。元组为('typestr',元数据字典)。
typestr 概念的此扩展扩展到 __array_interface__ 的 descr 部分。因此,描述数据格式的元组列表中的元组的第二个元素本身可以是('typestr',元数据字典)的元组。
最终考虑因素#
为什么使用分数时间和事件:[3Y/12]//50#
很难提出足够多的单位来满足每个需求。例如,在 Windows 上的 C# 中,时间的根本刻度是 100ns。基本单位的倍数很容易处理。基本单位的除数难以任意处理,但通常人们会将一个月视为一年的 1/12,或将一天视为一周的 1/7。因此,实现了以“更大”单位的一部分来指定单位的功能。
添加事件概念(//50)是为了解决此 NEP 的商业赞助商的用例。其想法是允许时间戳同时携带事件编号和时间戳信息。余数携带事件编号信息,而商携带时间戳信息。
为什么 origin
元数据消失了#
在 NumPy 列表中讨论日期/时间数据类型期间,最初发现具有补充绝对 datetime64
定义的 origin
元数据很有用。
但是,在更多地考虑这一点之后,我们发现绝对 datetime64
与相对 timedelta64
的组合确实提供了相同的功能,同时消除了对额外 origin
元数据的需求。这就是我们将其从本提案中删除的原因。
混合时间单位的操作#
每当接受相同数据类型且具有相同单位的两个时间值之间的运算时,都应该能够进行具有不同单位的时间值的相同运算(例如,将以秒为单位的时间增量和以微秒为单位的时间增量相加),从而产生合适的时间单位。此类运算的确切语义在“使用日期/时间数组进行运算”部分的“转换规则”小节中定义。
由于工作日的特殊性,混合工作日和其他时间单位的操作很可能不被允许。