python - 获取多个日期时间对的日期范围

Question

给定一个形状为 (n, 2) 的日期时间数组:

x = np.array([['2017-10-02T00:00:00.000000000', '2017-10-12T00:00:00.000000000']], dtype='datetime64[ns]') 

x 的形状为 (1, 2)，但实际上它可能是 (n, 2), n > = 1 。在每对中，第一个日期始终小于(或等于)第二个日期。我想获取 x 中每对日期之间的所有日期范围的列表。这基本上就是我正在做的事情:

np.concatenate([pd.date_range(*y, closed='right') for y in x])

它有效，给予

array(['2017-10-03T00:00:00.000000000', '2017-10-04T00:00:00.000000000',
       '2017-10-05T00:00:00.000000000', '2017-10-06T00:00:00.000000000',
       '2017-10-07T00:00:00.000000000', '2017-10-08T00:00:00.000000000',
       '2017-10-09T00:00:00.000000000', '2017-10-10T00:00:00.000000000',
       '2017-10-11T00:00:00.000000000', '2017-10-12T00:00:00.000000000'], dtype='datetime64[ns]')

但是由于列表比较，这非常慢 - 它没有按照我想要的那样完全矢量化。我想知道是否有更好的方法来获取多对日期的日期范围？

我将根据需要提供尽可能多的说明。谢谢。

Answer 1

有点复杂……
但是

d = np.array(1, dtype='timedelta64[D]')
x = x.astype('datetime64[D]')
deltas = np.diff(x, axis=1) / d
np.concatenate([
    i + np.arange(j + 1) for i, j in zip(x[:, 0], deltas[:, 0].astype(int))
]).astype('datetime64[ns]')

array(['2017-10-02T00:00:00.000000000', '2017-10-03T00:00:00.000000000',
       '2017-10-04T00:00:00.000000000', '2017-10-05T00:00:00.000000000',
       '2017-10-06T00:00:00.000000000', '2017-10-07T00:00:00.000000000',
       '2017-10-08T00:00:00.000000000', '2017-10-09T00:00:00.000000000',
       '2017-10-10T00:00:00.000000000', '2017-10-11T00:00:00.000000000',
       '2017-10-12T00:00:00.000000000'], dtype='datetime64[ns]')

---

工作原理

• d代表一天
• x 转换为没有时间戳的日期
• diff 获取天数差异...但在 timedelta 空间
• 我除以我的 d，它也在 timedelta 空间中，尺寸消失了......留下我的 float ，我将其转换为int
• 当我将 x[:, 0] 对的第一列添加到整数数组中时，我会收到添加 1 个单位的广播，无论 x< 的维度是什么，即 datetime64[D]。所以我要添加一天。

---

源自/受@hpaulj启发
如果他们发布答案就会删除

d = np.array(1, dtype='timedelta64[D]')
np.concatenate([np.arange(row[0], row[1] + 1, d) for row in x])

array(['2017-10-02T00:00:00.000000000', '2017-10-03T00:00:00.000000000',
       '2017-10-04T00:00:00.000000000', '2017-10-05T00:00:00.000000000',
       '2017-10-06T00:00:00.000000000', '2017-10-07T00:00:00.000000000',
       '2017-10-08T00:00:00.000000000', '2017-10-09T00:00:00.000000000',
       '2017-10-10T00:00:00.000000000', '2017-10-11T00:00:00.000000000',
       '2017-10-12T00:00:00.000000000'], dtype='datetime64[ns]')