如何使用Python的Numpy获取Newdate数组中各datetime元素在Setups数组中的索引

嘿，我来帮你搞定这个需求！你要做的就是把Newdate数组里的每个日期，对应到Setups数组里的索引位置对吧？这里有两种实用的实现方式，适配numpy的datetime数组场景：

方法1：利用numpy内置的searchsorted（高效排序场景） #

如果你的Setups数组本身是按时间升序排列的（就像示例里的那样），用np.searchsorted是最高效的方式，它能快速定位每个元素的插入位置，刚好就是对应的索引：

import numpy as np

Setups= np.array(['2017-09-15T07:11:00.000000000','2017-09-15T11:25:00.000000000', '2017-09-15T12:11:00.000000000', '2017-12-22T03:14:00.000000000', '2017-12-22T03:26:00.000000000', '2017-12-22T03:31:00.000000000', '2017-12-22T03:56:00.000000000'],dtype="datetime64[ns]")
Newdate = np.array(['2017-09-15T07:11:00.000000000', '2017-12-22T03:31:00.000000000','2017-09-15T11:25:00.000000000', '2017-12-22T03:56:00.000000000'],dtype="datetime64[ns]")

# 计算索引
indices = np.searchsorted(Setups, Newdate)
print(indices)  # 输出: [0 5 1 6]

方法2：字典映射（通用场景） #

如果Setups数组不是排序的，或者你想要更直观的逻辑，那就用字典来建立“日期-索引”的映射关系，这种方法不受排序限制，代码也很好理解：

import numpy as np

Setups= np.array(['2017-09-15T07:11:00.000000000','2017-09-15T11:25:00.000000000', '2017-09-15T12:11:00.000000000', '2017-12-22T03:14:00.000000000', '2017-12-22T03:26:00.000000000', '2017-12-22T03:31:00.000000000', '2017-12-22T03:56:00.000000000'],dtype="datetime64[ns]")
Newdate = np.array(['2017-09-15T07:11:00.000000000', '2017-12-22T03:31:00.000000000','2017-09-15T11:25:00.000000000', '2017-12-22T03:56:00.000000000'],dtype="datetime64[ns]")

# 创建日期到索引的映射字典
date_to_index = {date: idx for idx, date in enumerate(Setups)}
# 遍历Newdate获取对应索引
indices = np.array([date_to_index[date] for date in Newdate])
print(indices)  # 输出: [0 5 1 6]

额外提示 #

如果Newdate里可能存在Setups中没有的日期，字典方法会抛出KeyError，这时候可以用date_to_index.get(date, -1)来返回一个默认值（比如-1），表示该日期找不到对应的索引：

indices = np.array([date_to_index.get(date, -1) for date in Newdate])

内容的提问来源于stack exchange，提问作者georgehere