如何在Numba加速函数中基于时间条件创建NumPy布尔掩码

• 时间判断条件写错：原逻辑time[i].hour > 4 and time[i].hour <6把小时数等于4的所有记录（即4:00-4:59时段）全部排除，仅保留了小时数为5的时段，自然覆盖不全4:00-6:00的目标区间。
• Numba兼容性问题：dtype=object的pandas Series存储的是Python原生datetime对象，Numba的@njit（nopython模式）无法处理这类Python对象，直接传入会触发编译错误，不能在njit函数内部直接访问time[i].hour属性。

核心思路是把时间预处理逻辑放到njit函数外部完成，只给njit传NumPy原生数值类型数组，同时修正时间区间判断逻辑，具体步骤如下：

1. 提前在Python层把object类型的时间序列转成Numba可识别的整数数组，提取每个时间点的小时、分钟值，不要在加速函数内处理Python datetime对象。
2. 修正时间区间判断条件，对左边界使用>=判断，右边界使用<判断，覆盖完整的半开时间区间。
3. 所有传入njit函数的行情数据、时间数据都转成NumPy数组，避免使用pandas对象。

代码实现 #

import numpy as np
import pandas as pd
from numba import njit

# 时间预处理：在njit外部完成，转成数值数组
def extract_time_features(time_series: pd.Series):
    time_dt = pd.to_datetime(time_series)
    # 提取小时、分钟为int64类型的numpy数组，Numba可直接识别
    hours = time_dt.dt.hour.to_numpy(dtype=np.int64)
    minutes = time_dt.dt.minute.to_numpy(dtype=np.int64)
    return hours, minutes

# Numba加速的核心判断逻辑
@njit
def get_filtered_bear_flag(
    close_arr: np.ndarray,
    open_arr: np.ndarray,
    hour_arr: np.ndarray,
    range_start_hour: int = 4,
    range_end_hour: int = 6
) -> np.ndarray:
    result = np.zeros_like(close_arr, dtype=np.bool_)
    arr_len = len(result)
    for i in range(arr_len):
        # 修正后的时间判断：包含起始小时，不包含结束小时，覆盖4:00-5:59:59全时段
        is_in_time_range = (hour_arr[i] >= range_start_hour) and (hour_arr[i] < range_end_hour)
        # 同时满足时间在区间内、收盘价低于开盘价（阴线）才标记为True
        if is_in_time_range and close_arr[i] < open_arr[i]:
            result[i] = True
    return result

调用方式 #

# 假设df是你的原始行情表，包含open、close、time三个字段
hours, minutes = extract_time_features(df['time'])
# 所有传参转成numpy数组，不要传pandas Series
flag_arr = get_filtered_bear_flag(
    df['close'].to_numpy(),
    df['open'].to_numpy(),
    hours
)

非整点区间适配 #

如果需要支持非整点的时间区间（比如4:25-6:10），只要把分钟数组传入函数，把时间判断改成当日累计分钟数对比即可，示例判断逻辑：

# 在njit循环内的判断逻辑
current_total_min = hour_arr[i] * 60 + minute_arr[i]
# 对应4:25到6:10的半开区间
is_in_time_range = (current_total_min >= 4*60 +25) and (current_total_min < 6*60 +10)

内容的提问来源于stack exchange，提问作者a7dc