Question

我有一个numpy数组，其中有很长的日期时间列表。我想知道是否有一种方法可以在不使用for循环的情况下立即向数组的所有值添加一年？例如。使用一些numpy或datetime模块？

>>> import datetime
>>> import numpy as np

>>> dts.shape
(64580,)

>>> dts[:5]
array([datetime.date(2000, 1, 15), datetime.date(2000, 1, 15),
       datetime.date(2000, 1, 15), datetime.date(2000, 1, 15),
       datetime.date(2000, 1, 15)], dtype=object)

>>> new_dts = somemodule.somefunctionforaddingyearorsomething(dts, year=1)
>>> new_dts
array([datetime.date(2001, 1, 15), datetime.date(2001, 1, 15),
       datetime.date(2001, 1, 15), datetime.date(2001, 1, 15),
       datetime.date(2001, 1, 15)], dtype=object)

注意：每个日期的日期始终设置为第15天，因为日期代表月平均数据。

我已经使用for循环实现了它，但是这可能会降低计算速度。

该代码在这里：

def add_year_to_Datelist(dl):

dts = dl.dates.copy()
for idx, date in enumerate(dts):
    dts[idx] = date.replace(year=date.year + 1)

dl.set_dates(dts)
return dl

欢呼

Answer 1

NumPy不支持将“ 1年”作为时间增量，因为这可能是365天或366天。如果您愿意使用熊猫，可以将pd.to_datetime与pd.DateOffset一起使用，确实支持基于年份的偏移量：

import datetime, numpy as np, pandas as pd

dts = np.array([datetime.date(2000, 1, 15), datetime.date(2000, 1, 15),
                datetime.date(2000, 1, 15), datetime.date(2000, 1, 15),
                datetime.date(2000, 1, 15)], dtype=object)

dts = (pd.to_datetime(dts) + pd.DateOffset(years=1)).values.astype('datetime64[D]')

# array(['2001-01-15', '2001-01-15', '2001-01-15', '2001-01-15',
#        '2001-01-15'], dtype='datetime64[D]')

使用NumPy，您可以在将object dtype数组转换为np.datetime64之后添加固定的天数：

dts = dts.astype(np.datetime64) + np.timedelta64(365, 'D')

# array(['2001-01-14', '2001-01-14', '2001-01-14', '2001-01-14',
#        '2001-01-14'], dtype='datetime64[D]')

请注意两个结果之间的1天不匹配。

Answer 2

在使用for循环时更快地使事情变得困难。但是，使用map会将计算带入C语言，并可以大大加快计算速度。

尝试一下：

def add_year(dl, add=1):
    """Return new list with year increased by specified amount."""
    dts = list(map(lambda date: date.replace(year = date.year + add), dl.dates.copy()))
    return dts

不确定如何获取numpy列表，因为我还没有使用过numpy（我知道，可悲...），但是你知道吗，是的：D

增加日期时间数组的年份，而不使用for循环

2 个答案: