在不使用 for 循环的情况下增加日期时间数组的年份答案

【问题标题】：Increase year of datetime array without using for loop在不使用 for 循环的情况下增加日期时间数组的年份
【发布时间】：2019-05-30 14:53:05
【问题描述】：

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：每个日期的天数始终设置为第 15 天，因为日期代表每月平均数据。

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

【问题讨论】：

标签： python python-2.7 numpy datetime numpy-ndarray

【解决方案1】：

NumPy 不支持将“1 年”作为时间增量，因为它可以是 365 或 366 天。如果您愿意使用 Pandas，可以使用 pd.to_datetime 和 pd.DateOffset，这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的 1 天不匹配。

【讨论】：

您的熊猫回答完美！尽管我尝试了第一个答案并注意到对于任何闰年，数据都是不正确的。即一月/二月月份的日值为 14，而其他月份的日值为 15..
@MaxCollier，是的，这正是使用 365 天固定的问题。据我所知，没有原生 NumPy 解决方案。

【解决方案2】：

在使用 for 循环时让事情变得更快有点困难。但是，使用 map 会将计算带入 C 语言中，并且可以大大加快速度。

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

不知道如何获得一个 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

【讨论】：