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。在每一对中，第一个日期总是小于（或等于）第二个日期。我想获取x 中每对日期之间所有日期范围的列表。这就是我基本上正在做的事情：

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]')

但这很慢，因为列表比较 - 它没有像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？

我会根据需要提供尽可能多的说明。谢谢。

Answer 1

这有点令人费解......
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 变成没有时间戳的日期
• diff 让我知道天数差异......但在 timedelta 空间中
• 我除以我的d，它也在timedelta空间中，尺寸消失了...留下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，我会收到一个广播，即添加一个单位的x，即datetime64[D]。所以我要加一天。

---

源自/受@hpaulj启发
如果他们发布答案将删除

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]')