在给定日期时间之前的列表中查找最近的日期时间答案

【问题标题】：Finding most recent datetime in list before a given datetime在给定日期时间之前的列表中查找最近的日期时间
【发布时间】：2016-01-13 06:22:17
【问题描述】：

我有两个np.datetime64 格式的日期时间列表。（不需要 - 可以是 unix 时间戳或 datetime.datetime）

当我遍历密集列表 (times_dense) 时，我希望从 times_sparse 获得的时间最接近但小于来自 times_dense 的时间。我在datetime 很糟糕，所以我把它放在一起。

most_recent_time = None

for time_d in times_dense:
    for time_s in times_sparse:
        # time_d is after time_s and time_s is after most_recent_time
        if(time_d >= time_s and time_s > most_recent_time):
            most_recent_time = time_s

return most_recent_time

有没有简单的方法来做到这一点？我的方法会奏效吗？它很笨重并且运行时间很长。解决这个问题的最佳方法是什么？

PS。我最初在 pandas 数据框中有这些，但因为在数据框中找不到解决方案而将它们取出。如果这可以与 pandas 一起使用，那就更好了。

【问题讨论】：

times_dense 和 times_sparse 到底是什么？ Python 列表、numpy 数组、scipy 稀疏矩阵或您自己制作的一些可迭代对象？
现在两者都是 np 数组。但它们可以是列表或 pandas 数据框中。
most_recent_time 的重要性是什么？此外，当您说您希望 time_sparse 中最接近 time_dense 的时间时，您是针对 time_dense 中的特定给定元素，还是希望找到一对时间元素，一个在 time_sparse 中，另一个在 time_dense 中，它们具有最小值与其他可能的对相比的距离？
most_recent_time 看起来就像一个临时值，用于迭代地找到最大值（或最小值）。

标签： python datetime numpy pandas timestamp

【解决方案1】：

这是您描述的时间比较。目前，我专注于重现您的情况，而不是使其达到最佳状态

制作两个日期数组：

In [434]: t1=np.array(np.random.randint(100,size=(10,)),dtype='datetime64[D]')

In [435]: t2=np.array(np.random.randint(100,size=(10,)),dtype='datetime64[D]')

In [436]: t1
Out[436]: 
array(['1970-02-25', '1970-01-31', '1970-01-04', '1970-03-17',
       '1970-03-17', '1970-01-02', '1970-02-09', '1970-04-05',
       '1970-02-22', '1970-03-08'], dtype='datetime64[D]')

In [437]: t2
Out[437]: 
array(['1970-01-16', '1970-02-24', '1970-02-28', '1970-01-21',
       '1970-03-08', '1970-03-22', '1970-02-02', '1970-02-12',
       '1970-02-24', '1970-02-06'], dtype='datetime64[D]')

开始日期：

In [438]: recent=np.datetime64(0,'D')

In [439]: recent
Out[439]: numpy.datetime64('1970-01-01')

你的迭代：

In [440]: for td in t1:
    for ts in t2:
        if (td>=ts) and (ts>recent):
            recent=ts
   .....:             

In [441]: recent
Out[441]: numpy.datetime64('1970-03-22')

np.datetime64 可以很好地处理比较（和算术）。

np.array 和 np.datetime64 值可以以与整数值数组相同的方式使用

（对于不同的t2）：

In [458]: t2.max()
Out[458]: numpy.datetime64('1970-04-05')

In [459]: t2[np.argmax(t1>=t2[:,None],axis=0)]
Out[459]: 
array(['1970-02-08', '1970-03-07', '1970-03-07', '1970-03-07',
       '1970-03-07', '1970-03-07', '1970-02-08', '1970-03-07',
       '1970-02-08', '1970-03-07'], dtype='datetime64[D]')

像最后一个这样的表达式可能可以重现您的迭代 - 但它需要调整。

【讨论】：