如何初始化datetime类型数组、追加元素并筛选指定时段本地时间数据？

我来帮你搞定这个问题，咱们先拆解一下你遇到的两个核心问题，再一步步修正代码：

问题根源分析 #

1. 列表无法做矢量化比较：你一开始把本地时间存在普通列表local_time里，列表不支持直接和datetime.time对象做>=/<=的矢量化操作，这就是第一个错误的原因。
2. 类型不兼容：转成numpy数组后，数组里的元素是datetime.datetime类型（带日期的完整时间），而你用来比较的start/end是datetime.time类型（仅时间部分），这俩类型不能直接用比较运算符，所以出现了第二个类型错误。

另外还有个小细节：你用datetime.datetime.now()来计算时区偏移，这可能不准确——因为夏令时的存在，不同日期的时区偏移可能不一样，应该用当前循环里的UTC时间chtime[i]来计算偏移才对。

修正后的代码（纯Numpy+Datetime实现） #

import numpy as np
import datetime
import pytz
from timezonefinder import TimezoneFinder

tf = TimezoneFinder()
start = datetime.time(hour=8, minute=0)
end = datetime.time(hour=16, minute=0)

# 先收集完整的本地datetime对象
local_datetimes = []
for i in range(np.size(chtime)):
    # 获取对应经纬度的时区
    tz_name = tf.closest_timezone_at(lng=chlo[i], lat=chla[i], delta_degree=10)
    timezone = pytz.timezone(tz_name)
    
    # 用当前UTC时间计算时区偏移（适配夏令时）
    utc_dt = chtime[i]
    offset = timezone.utcoffset(utc_dt)
    
    # 计算本地完整时间并加入列表
    local_dt = utc_dt + offset
    local_datetimes.append(local_dt)

# 提取每个datetime的时间部分，转成numpy数组（和start/end类型一致）
local_time_only = np.array([dt.time() for dt in local_datetimes])

# 用矢量化函数实现批量比较（因为time类型不能直接做numpy矢量化比较）
def is_in_time_range(dt_time, start, end):
    return start <= dt_time <= end

# 把普通函数转成矢量化函数
vectorized_check = np.vectorize(is_in_time_range)
# 生成布尔掩码
time_mask = vectorized_check(local_time_only, start, end)

# 筛选出符合条件的索引
indicest = np.where(time_mask)

更简洁的方案（用Pandas） #

如果你的项目允许引入Pandas，处理时间类型会更省心：

import pandas as pd

# 接上面的local_datetimes列表
local_time_series = pd.Series(local_datetimes)
# 直接提取时间部分
local_time_only = local_time_series.dt.time
# 生成掩码并筛选索引
time_mask = (local_time_only >= start) & (local_time_only <= end)
indicest = np.where(time_mask)

关键改动说明 #

• 时区偏移计算修正：用当前循环的UTC时间chtime[i]代替datetime.datetime.now()，确保夏令时等特殊情况的偏移准确。
• 类型统一：提取datetime.datetime对象的.time()属性，让待比较的元素和start/end同为datetime.time类型，解决类型不兼容问题。
• 矢量化比较：用np.vectorize（或Pandas的内置方法）实现批量时间范围判断，避免手动循环的繁琐。

内容的提问来源于stack exchange，提问作者Stuart