使用numpy.digitize处理datetime类型时间序列分箱报错如何解决

np.digitize 不支持存储Python原生datetime对象的Object类型数组，其内部做单调性校验、数值比较时需要将数组转换为数值类型，因此触发了Object转float64的类型错误。

有两种常用的处理方式，均可实现你的分箱需求：

方案1：转换为numpy原生datetime64类型（推荐） #

该方案无需手动计算时间戳，直接利用numpy对日期类型的原生支持，代码修改量最小：

from datetime import datetime, timedelta
import numpy as np

sdate = datetime.strptime('2017-01-01 18:00:00', "%Y-%m-%d %H:%M:%S")
edate = datetime.strptime('2017-01-01 18:00:30', "%Y-%m-%d %H:%M:%S")

# 创建数组时指定dtype为datetime64，[s]代表精度为秒，可根据实际需求调整为[ms]等其他精度
t_data = np.array([sdate + timedelta(seconds=x) for x in range((edate - sdate).seconds)], dtype='datetime64[s]')
t_edges = np.array([
    datetime.strptime('2017-01-01 18:00:00', "%Y-%m-%d %H:%M:%S"),
    datetime.strptime('2017-01-01 18:00:10',"%Y-%m-%d %H:%M:%S"),
    datetime.strptime('2017-01-01 18:00:20', "%Y-%m-%d %H:%M:%S")
], dtype='datetime64[s]')

t_bin = np.digitize(t_data, t_edges)

运行后得到的t_bin就符合你预期的输出：前10个值为1，中间10个值为2，最后10个值为3。

方案2：转换为Unix时间戳 #

如果你需要保留原生datetime对象的其他属性，也可以先将所有时间转换为数值型的时间戳再分箱：

# 沿用你原有代码生成的t_data、t_edges（Object类型数组）
t_data_ts = np.array([dt.timestamp() for dt in t_data])
t_edges_ts = np.array([dt.timestamp() for dt in t_edges])
t_bin = np.digitize(t_data_ts, t_edges_ts)

• 两种方案都需要保证箱边数组单调递增，这是np.digitize本身的通用要求，和时间类型无关
• 使用datetime64时需要匹配时间精度，避免精度截断导致分箱错误

内容的提问来源于stack exchange，提问作者FluidFox