我不明白为什么这段代码会抛出错误。">"不是矢量化的吗？我可以看到x_month_begin[0,0] > st_d比较没有问题。将不胜感激并修复建议。
import pandas as pd
import numpy as np
import datetime
end_d = pd.to_datetime('23/02/2018', format="%d/%m/%Y")
x_month_begin = pd.date_range(datetime.datetime(year=end_d.year-1, month=1, day=1),
datetime.datetime(year=end_d.year+1, month=12, day=1), freq='MS')
# stacking with each row for each year
x_month_begin = np.vstack(np.split(x_month_begin, 3))
# transposing for each column to be a year
x_month_begin = np.transpose(x_month_begin)
st_d = pd.to_datetime('01/2016', format="%m/%Y")
x_month_begin > st_d
所以你从一个熊猫结构开始：
In [133]: x_month_begin
Out[133]:
DatetimeIndex(['2020-01-01', '2020-02-01', '2020-03-01', '2020-04-01',
'2020-05-01', '2020-06-01', '2020-07-01', '2020-08-01',
'2020-09-01', '2020-10-01', '2020-11-01', '2020-12-01'],
dtype='datetime64[ns]', freq='MS')
与 numpy 数组相同：
In [134]: x_month_begin.values
Out[134]:
array(['2020-01-01T00:00:00.000000000', '2020-02-01T00:00:00.000000000',
'2020-03-01T00:00:00.000000000', '2020-04-01T00:00:00.000000000',
'2020-05-01T00:00:00.000000000', '2020-06-01T00:00:00.000000000',
'2020-07-01T00:00:00.000000000', '2020-08-01T00:00:00.000000000',
'2020-09-01T00:00:00.000000000', '2020-10-01T00:00:00.000000000',
'2020-11-01T00:00:00.000000000', '2020-12-01T00:00:00.000000000'],
dtype='datetime64[ns]')
你把它操纵成一个(n，3(数组(我怀疑这可以通过重塑和可能的转置更直接地完成(：
In [135]: x_month_begin = np.vstack(np.split(x_month_begin, 3))
In [138]: x_month_begin = np.transpose(x_month_begin)
In [139]: x_month_begin
Out[139]:
array([['2020-01-01T00:00:00.000000000', '2020-05-01T00:00:00.000000000',
'2020-09-01T00:00:00.000000000'],
['2020-02-01T00:00:00.000000000', '2020-06-01T00:00:00.000000000',
'2020-10-01T00:00:00.000000000'],
['2020-03-01T00:00:00.000000000', '2020-07-01T00:00:00.000000000',
'2020-11-01T00:00:00.000000000'],
['2020-04-01T00:00:00.000000000', '2020-08-01T00:00:00.000000000',
'2020-12-01T00:00:00.000000000']], dtype='datetime64[ns]')
In [140]: _.shape
Out[140]: (4, 3)
无论如何，现在您的比较：
In [141]: st_d = pd.to_datetime('01/2016', format="%m/%Y")
In [142]: st_d
Out[142]: Timestamp('2016-01-01 00:00:00')
In [143]: x_month_begin >st_d
---------------------------------------------------------------------------
TypeError Traceback (most recent call last)
<ipython-input-143-30567662e59d> in <module>
----> 1 x_month_begin >st_d
pandas/_libs/tslibs/c_timestamp.pyx in pandas._libs.tslibs.c_timestamp._Timestamp.__richcmp__()
TypeError: '<' not supported between instances of 'Timestamp' and 'int'
numpy数组可以进行<比较，但它们对兼容dtypes有一定的规则。 (例如，比较字符串和数字不起作用(。 除了pandas玩自己的日期和时间游戏外，有些格式是内部的，有些与 numpydatatime64.
例如，如果我们将您的时间戳转换为 numpy 等效项：
In [144]: st_d.to_numpy()
Out[144]: numpy.datetime64('2016-01-01T00:00:00.000000000')
比较有效：
In [145]: x_month_begin>st_d.to_numpy()
Out[145]:
array([[ True, True, True],
[ True, True, True],
[ True, True, True],
[ True, True, True]])
pandas建立在numpy上，或者至少使用numpy数组来存储其数据。 但是numpy代码都没有pandas知晓。 如果给定一个非numpy对象，它将天真地尝试转换它，例如
In [146]: np.asarray(st_d)
Out[146]: array(Timestamp('2016-01-01 00:00:00'), dtype=object)
与Out[144]不同。[146] 是产生错误的转换。
The original `DatetimeIndex` can be tested against the timestamp. That's a 'pure' pandas operation.
In [152]: _133>st_d
Out[152]:
array([ True, True, True, True, True, True, True, True, True,
True, True, True])
_133.to_numpy().reshape(-1,4).T直接给出x_month_begin数组。
如果您检查对象的类型，问题就会变得清晰。
x_month_begin：是一个三维数字数组(x_month_begin.shape(st_d：是一个熊猫时间戳变量
两者不能直接比较。为了进行比较，您可以执行以下操作：
[y > st_d for x in x_month_begin for y in x ]