python - 加权平均日期时间，关闭但仅限某些月份

Question

我正在计算一系列日期时间的加权平均值(并且一定是做错了，因为我无法解释以下内容):

import pandas as pd
import numpy as np

foo = pd.DataFrame({'date': ['2022-06-01', '2022-06-16'],
                    'value': [1000, 10000]})
foo['date'] = pd.to_datetime(foo['date'])
bar = np.average(foo['date'].view(dtype='float64'), weights=foo['value'])
print(np.array(bar).view(dtype='datetime64[ns]'))

返回 2022-06-14T15:16:21.818181818，这是预期的。

将月份更改为七月:

foo = pd.DataFrame({'date': ['2022-07-01', '2022-07-16'],
                    'value': [1000, 10000]})
foo['date'] = pd.to_datetime(foo['date'])
bar = np.average(foo['date'].view(dtype='float64'), weights=foo['value'])
print(np.array(bar).view(dtype='datetime64[ns]'))

返回2022-07-14T23:59:53.766924660， 当预期结果是 2022-07-14T15:16:21.818181818。

预期结果，在 Excel 中计算:

我忽略了什么？

编辑:其他详细信息

• 我的真实数据集要大得多，如果可能的话我想使用 numpy。
• foo['date'] 可以假定为没有时间部分的日期，但加权平均值将具有时间部分。

Answer 1

我强烈怀疑这是分辨率/舍入问题。

我假设为了平均日期，这些日期被转换为时间戳 - 然后结果被转换回日期时间对象。但 pandas 的工作时间为纳秒，因此时间戳值分别乘以 1000 和 10000，超过 2**52 - 即超过 64 位 float 的尾数能力。

相反，Excel 的工作时间是毫秒，所以这里没有问题； Python 的 datetime.datetime 以微秒为单位，所以仍然没有问题:

dt01 = datetime(2022,7,1)
dt16 = datetime(2022,7,16)
datetime.fromtimestamp((dt01.timestamp()*1000 + dt16.timestamp()*10000)/11000)
datetime.datetime(2022, 7, 14, 15, 16, 21, 818182)

因此，如果您需要使用 numpy/pandas，我想您最好的选择是将日期从“开始”日期(即定义“自定义纪元”)转换为时间增量，并计算这些值的加权平均值。