将 N 个工作日添加到非单位 'D' 的 Numpy datetime64

Question

我正在尝试将工作日添加到当前格式为 datetime64 对象但类型为 'ns' 的一长串数据中。

根据 Numpy documentation，busday_offset 函数仅适用于单位为 'D' 的对象。我想要的功能存在于 Pandas 中，使用 'BusinessDayintseries.offsets`。

我可以将每个日期转换为 Pandas Timestamp，然后添加偏移量，然后再转换回来，但感觉工作量比应有的多。

有没有办法直接将任意数量的工作日添加到具有 'ns' 个单位的 datetime64 对象？

Answer 1

a = pd.date_range('2016-03-31', periods=5, freq='M').values
a

array(['2016-03-31T00:00:00.000000000', '2016-04-30T00:00:00.000000000',
       '2016-05-31T00:00:00.000000000', '2016-06-30T00:00:00.000000000',
       '2016-07-31T00:00:00.000000000'], dtype='datetime64[ns]')

pd.to_datetime(a) + pd.offsets.BusinessDay(8)

DatetimeIndex(['2016-04-12', '2016-05-11', '2016-06-10', '2016-07-12',
               '2016-08-10'],
              dtype='datetime64[ns]', freq=None)

或者，如果您希望它们出现在 datetime64[ns]

(pd.to_datetime(a) + pd.offsets.BusinessDay(8)).values

array(['2016-04-12T00:00:00.000000000', '2016-05-11T00:00:00.000000000',
       '2016-06-10T00:00:00.000000000', '2016-07-12T00:00:00.000000000',
       '2016-08-10T00:00:00.000000000'], dtype='datetime64[ns]')

Answer 2

使用起来更容易 pandas 但这里是一个 numpy 实现。我最初从 pandas 创建日期，但这不是必需的。任何具有 ns 精度的 numpy 日期都应该有效。

# get numpy only business days from pandas
pandas_dates = pd.date_range('today', periods=10, freq='B')
np_dates = pandas_dates.values

# Just get the day part
np_days = np_dates.astype('datetime64[D]')

# offset date using numpy and then convert back to ns precision.
# all seconds will be 0
np_day_offsets = np.busday_offset(np_days, 5).astype('datetime64[ns]')

# add back in nanoseconds
np_final = np_day_offsets + (np_dates - np_days)

将 N 个工作日添加到非单位 'D' 的 Numpy datetime64

Add N Business Days to a Numpy datetime64 That's Not of Unit 'D'

python

datetime

numpy

pandas

numpy-ufunc