Python中如何将循环存储的数据转为datetime和float64而非object类型

问题根源 #

你当前的etc_vort和etc_dates_list是包含多个子数组的列表，直接调用np.array()会生成object类型数组（因为每个元素是独立的小数组），这也是astype('float64')报错的原因——无法将数组序列直接转为单个float值。

快速修复：合并子数组为一维数组 #

如果你想保留原有循环逻辑，只需在收集完数据后，用np.concatenate()将所有子数组合并为一维数组，即可自动转为目标类型：

import numpy as np

# 合并涡度数据为float64一维数组
etc_vort_array = np.concatenate(etc_vort).astype(np.float64)
# 合并日期数据为datetime一维数组
etc_dates_array = np.concatenate(etc_dates_list).astype('datetime64[ns]')

验证类型：

print(etc_vort_array.dtype)  # 输出 float64
print(etc_dates_array.dtype) # 输出 datetime64[ns]

高效优化：用向量化操作替代三重循环 #

你的三重循环在处理大维度数据集时效率极低，推荐用numpy的布尔索引直接筛选符合条件的数据，一步到位得到目标数组：

import numpy as np

# 生成布尔掩码：标记所有涡度>1e-5的位置
mask = vort > 1e-5

# 方式1：直接通过掩码提取数据
etc_vort_array = vort[mask].astype(np.float64)
# 扩展时间数组到与涡度同维度，再用掩码筛选
time_expanded = np.broadcast_to(vort_time.values[:, np.newaxis, np.newaxis], vort.shape)
etc_dates_array = time_expanded[mask].astype('datetime64[ns]')

# 方式2：通过非零索引提取（更直观）
time_idx, lat_idx, lon_idx = np.where(mask)
etc_vort_array = vort[time_idx, lat_idx, lon_idx]
etc_dates_array = vort_time.values[time_idx]

优势 #

• 避免嵌套循环，处理速度提升几个数量级
• 直接生成一维的float64涡度数组和datetime64日期数组，无需后续类型转换
• 代码更简洁，可读性更强

内容的提问来源于stack exchange，提问作者atreed