如何基于年度小时数高效获取并索引日期时间

针对你提出的基于年度小时数高效获取并索引日期时间的需求，我整理了两种实用且高效的方案，比原始的循环方法更优，避免了冗余的遍历操作：

方案一：纯Numpy + Datetime 向量式实现（无循环，性能拉满） #

如果不想引入额外库，用Numpy的向量运算就能替代低效的循环，利用广播特性一次性计算所有时间点，尤其适合处理大规模数据：

import numpy as np
from datetime import datetime

# 定义起始年份与起始日期
target_year = 2012
start_datetime = datetime(target_year, 1, 1)

# 生成年度小时索引数组（0到8759）
hour_indices = np.arange(8760)

# 利用Numpy的timedelta64类型实现向量运算，直接生成所有时间点
delta_hours = np.array(hour_indices, dtype="timedelta64[h]")
datetime_array = start_datetime + delta_hours

# 可选：转成指定格式的字符串数组
date_format = "%Y-%m-%d_%H:%M:%S"
formatted_dates = np.array([dt.strftime(date_format) for dt in datetime_array])

优势： #

• 无循环遍历，效率远高于逐小时处理，数据量越大优势越明显
• 代码简洁，逻辑清晰，避免循环中容易出现的语法错误（比如你原始代码里未完成的delta定义）

方案二：用Pandas实现（最简洁，适配后续时间操作） #

如果你的场景需要后续做时间筛选、索引、分析，Pandas的时间序列工具会是最优选择，一行代码就能生成完整的时间序列，还能直接建立小时索引与时间的映射：

import pandas as pd
import numpy as np

target_year = 2012
start_date = f"{target_year}-01-01"

# 生成从起始日期开始的8760小时连续时间序列
datetime_series = pd.date_range(start=start_date, periods=8760, freq="H")

# 建立小时索引（0-8759）到时间的映射，方便快速查找
hour_to_datetime = pd.Series(datetime_series, index=np.arange(8760))

# 可选：转成指定格式的字符串
formatted_dates = datetime_series.strftime("%Y-%m-%d_%H:%M:%S").values

优势： #

• 代码极简，内置处理闰年、时区等复杂逻辑
• 后续可直接通过索引快速查找对应时间：比如hour_to_datetime.loc[100]就能获取第100小时的时间点
• 支持直接对接Pandas的数据分析工具，扩展性极强

额外注意点 #

• 闰年处理：如果目标年份是闰年（比如你示例中的2012），全年实际有8784小时，这时候需要把np.arange(8760)替换为np.arange(8784)，Pandas的date_range会自动识别闰年并生成正确的序列
• 时区支持：如果需要带时区的时间，可在pd.date_range中添加tz参数，比如tz="Asia/Shanghai"就能生成北京时间序列

内容的提问来源于stack exchange，提问作者Allen Zhang