我的数据有从 1947 年到 2012 年的每日 indate
和从 1997 年到 2012 年的 outdate
。我不明白下面的行如何导致 Monthstoadd = 62844
(这会增加一些时间偏移量)。可以转换为uint16以便在循环中使用吗?为什么?我们可以做什么?
以下行适用于 INDATUMA
和 UTDATUMA
格式为 20071231 的数据,例如日期解析似乎适用于 indate
和 outdate
,这些值是有意义的。
(我展示的代码比严格必要的要多,因为我对什么应该起作用的假设在某些地方显然是错误的,所以也许我在什么方面是错误的。数据结构来自 pandas。)
all_treatments['indate'] = pd.to_datetime(all_treatments['INDATUMA'], errors='coerce',format='%Y%m%d')
all_treatments['outdate'] = pd.to_datetime(all_treatments['UTDATUMA'], errors='coerce',format='%Y%m%d')
all_treatments['extramonths'] = 12*(all_treatments['outdate'].dt.year-all_treatments['indate'].dt.year)+(all_treatments['outdate'].dt.month-all_treatments['indate'].dt.month)
emcolix = all_treatments.columns.get_loc('extramonths')
for i in range(0,originalN):
monthstoadd = all_treatments.iloc[i,emcolix].astype('uint16')
for x in range(0,monthstoadd):
最后一行显示了一个循环,该循环在 x = 3174
处以 monthstoadd = 62844
中断,这对于我使用的日期范围没有任何意义。
最佳答案
Pandas Series 中整数的默认数据类型是 int64
——一个有符号 64 位整数。
In [82]: pd.Series([-2692]).dtype
Out[82]: dtype('int64')
如果您使用 astype
将数据类型转换为 uint16
(一个无符号 16 位整数),则 int64
超出可表示为 uint16
的整数范围的值将强制转换为 uint16
值。例如,负数 int64
-2692 作为 uint16
映射到 62844:
In [80]: np.array([-2692], dtype='int64').astype('uint16')
Out[80]: array([62844], dtype=uint16)
以下是可表示为 int64
的整数范围:
In [83]: np.iinfo('int64')
Out[83]: iinfo(min=-9223372036854775808, max=9223372036854775807, dtype=int64)
这里是可表示为 uint16
s 的整数范围:
In [84]: np.iinfo('uint16')
Out[84]: iinfo(min=0, max=65535, dtype=uint16)
要调试此类问题,隔离出现该问题的玩具示例非常有用。例如,如果您运行
for i in range(0,originalN):
monthstoadd = all_treatments.iloc[i,emcolix].astype('uint16')
if monthstoadd == 62844:
print(all_treatments.iloc[i,emcolix])
print(all_treatments.iloc[i,emcolix].dtype)
break
那么您将在调用 astype
之前看到 all_treatments.iloc[i,emcolix]
的值,以及 dtype
。这将是发现问题根源的良好起点。
关于python - float 到 uint16 的转换会导致 numpy 中的数字增加吗?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/32993340/