如何用NumPy/Pandas高效生成单日数值对应的逐小时时间序列字典

问题描述 #

现有对应一周7天数值的列表：

values = [0.10870379696407702, 0.10279934722899532, 0.07997459688639645, 0.09342230637708339, 0.13035629501918441, 0.1704615636877088, 0.12471332159008049]

以及对应的7天日期元组：

DAYS = ("2024-01-15", "2024-01-16", "2024-01-17", "2024-01-18", "2024-01-19", "2024-01-20", "2024-01-21")

需要将每个日期的数值重复到当日24小时，生成键为YYYY-MM-DD HH:MM:SS格式时间戳、值为对应单日数值的字典，要求用NumPy或Pandas高效实现，避免手动循环。

解决方案（Pandas实现） #

Pandas的时间序列工具可以快速完成需求，代码如下：

import pandas as pd

values = [0.10870379696407702, 0.10279934722899532, 0.07997459688639645, 0.09342230637708339, 0.13035629501918441, 0.1704615636877088, 0.12471332159008049]
DAYS = ("2024-01-15", "2024-01-16", "2024-01-17", "2024-01-18", "2024-01-19", "2024-01-20", "2024-01-21")

# 构建日期与数值的映射关系
day_value_map = pd.Series(values, index=pd.to_datetime(DAYS))

# 生成所有小时级时间戳序列
hourly_timestamps = pd.date_range(start=DAYS[0], end=f"{DAYS[-1]} 23:00:00", freq="H")

# 匹配每个小时对应的日值，转换为字典
hourly_dict = day_value_map.reindex(hourly_timestamps.date).to_dict()

# 若需要字符串格式的时间戳键，执行以下转换
hourly_dict_str_keys = {dt.strftime("%Y-%m-%d %H:%M:%S"): val for dt, val in hourly_dict.items()}

代码说明 #

• pd.date_range：高效生成连续小时级时间序列，freq="H"指定频率为小时
• day_value_map.reindex(hourly_timestamps.date)：通过小时时间戳的日期部分自动匹配对应数值，完成24次重复填充
• 最后一步的字符串格式转换为可选操作，根据实际需求选择

替代方案（NumPy实现） #

如果偏好使用NumPy，可通过广播机制实现：

import numpy as np
from datetime import datetime

values = np.array(values)
days = np.array(DAYS, dtype='datetime64[D]')

# 生成24小时的时间偏移量
hour_offsets = np.arange(24)[:, None] * np.timedelta64(1, 'h')
# 广播生成所有小时级时间戳
all_hour_timestamps = days + hour_offsets.T.flatten()
# 重复对应日期的数值
all_hour_values = np.repeat(values, 24)

# 转换为目标格式的字典
hourly_dict = {
    datetime.strptime(str(ts), "%Y-%m-%dT%H:%M:%S").strftime("%Y-%m-%d %H:%M:%S"): val
    for ts, val in zip(all_hour_timestamps, all_hour_values)
}

内容的提问来源于stack exchange，提问作者Diego L