Python中高效生成datetime分钟偏移组合列表的优化方案

你的原始双重列表推导式速度慢，核心原因是纯Python循环的O(n*m)开销，且每次循环都重复创建timedelta对象，累积起来耗时很高。下面提供两种高效的优化方案：

方案一：使用numpy向量化操作（推荐） #

利用numpy的广播机制和底层C实现的运算，能大幅提升处理速度，尤其适合大规模数据：

import numpy as np
from datetime import datetime

# 将datetime列表转为numpy datetime64数组
d_np = np.array(d, dtype="datetime64[ns]")
# 将分钟数列表转为numpy timedelta64数组（单位：分钟）
m_np = np.array(m, dtype="timedelta64[m]")

# 广播相加，自动生成所有d元素与m元素的组合结果
result_np = d_np[:, np.newaxis] + m_np
# 转换为一维的Python datetime列表（如果需要原生datetime对象）
result = result_np.flatten().tolist()

这种方法的运算逻辑由numpy底层处理，避免了纯Python循环的额外开销，对于10000×1000的规模，速度能比原始方法快几十倍。

方案二：预先生成timedelta对象 #

如果不想引入numpy依赖，可以预先生成所有需要的timedelta对象，减少重复创建的开销：

from datetime import datetime, timedelta
import itertools

# 一次性生成所有分钟对应的timedelta，仅执行1000次
td_list = [timedelta(minutes=y) for y in m]
# 用itertools.product生成所有(x, td)组合，再执行相加
result = [x + td for x, td in itertools.product(d, td_list)]

这个方法比原始列表推导式略快，因为timedelta只创建1000次而非10000×1000次，但性能提升幅度不如numpy方案。

内容的提问来源于stack exchange，提问作者Jadeson Zang