Numpy新手求教：如何高效生成周期性1-0时间信号？

嘿，我懂你这种烦恼——当时间跨度拉得很长时，手动写一堆logical_and和logical_or简直是重复劳动，太繁琐了！其实我们可以利用信号的周期性来彻底简化代码，不管跨度是24小时还是48小时，甚至更久，都能轻松搞定。

核心思路 #

你的信号是严格周期性的：每6小时一个周期，每个周期内前0.5小时输出1，其余时间输出0。那我们只需要对每个时间点计算它在当前周期内的偏移位置，再判断这个位置是否落在脉冲窗口里就可以了，完全不用重复写N个区间判断。

简化后的代码 #

import numpy as np

# 可灵活调整的参数
t_start = 0
t_end = 48  # 比如改成48小时，代码完全不用改
dt = 0.1
cycle_length = 6  # 周期长度（小时）
pulse_length = 0.5  # 脉冲持续时长（小时）

# 生成时间数组
time = np.arange(t_start, t_end, dt)

# 计算每个时间点在当前周期内的偏移量
cycle_position = time % cycle_length

# 判断是否处于脉冲窗口，转成int类型
in_flow_array = (cycle_position <= pulse_length).astype(int)

为什么这个方法更好？ #

• 灵活性拉满：不管你把时间跨度改成48、72还是任意时长，甚至调整周期长度/脉冲时长，只需要修改对应的参数变量就行，核心逻辑完全不用动。
• 效率更高：Numpy的向量化取模运算和布尔判断，比手动拼接多个logical_and/logical_or的效率高得多，尤其是数据量很大的时候。
• 可读性更强：一眼就能看懂代码是在处理周期性信号，逻辑清晰，后期维护也方便。

扩展：如果脉冲不在周期开头怎么办？ #

要是你的脉冲不是每个周期的前0.5小时，而是比如每个周期的第3到3.5小时，只需要调整判断条件就行：

# 脉冲从周期内的3小时开始，持续0.5小时
in_flow_array = ((cycle_position >= 3) & (cycle_position <= 3.5)).astype(int)

内容的提问来源于stack exchange，提问作者97amarnathk