在不使用 for 循环的情况下增加日期时间数组的年份

Increase year of datetime array without using for loop

我有一个 numpy 数组,其中包含一长串日期时间。我想知道有没有一种方法可以在不使用 for 循环的情况下一次为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,但是这在计算上可能很慢..

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

干杯

使用 for 循环使事情变得更快有点困难。然而,使用 map 将计算带入 C 并可以大大加快速度。

试试这个:

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

不确定如何获得 numpy 列表,因为我还没有使用过 numpy(我知道,可悲......)但你知道是的 :D

NumPy 不支持“1 年”作为时间增量,因为它可以是 365 或 366 天。如果你愿意使用Pandas,你可以使用pd.to_datetime with pd.DateOffset确实支持基于年份的偏移:

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:

后添加固定天数
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存在 1 天的不匹配。