NumPy 教程

NumPy 首页 NumPy 简介 NumPy 环境

数组

NumPy Ndarray 对象 NumPy 数据类型

创建和操作数组

NumPy 数组创建例程 NumPy 数组操作 NumPy 基于现有数据创建数组 NumPy 基于数值范围创建数组 NumPy 数组迭代 NumPy 重塑数组 NumPy 连接数组 NumPy 堆叠数组 NumPy 拆分数组 NumPy 展平数组 NumPy 转置数组

索引与切片

NumPy 索引 &切片 NumPy 索引 NumPy 切片 NumPy 高级索引 NumPy 高级索引 NumPy 字段访问 NumPy 使用布尔数组切片

数组属性与操作

NumPy 数组属性 NumPy 数组形状 NumPy 数组大小 NumPy 数组步长 NumPy 数组元素大小 NumPy 广播 NumPy 算术运算 NumPy 数组加法 NumPy 数组减法 NumPy 数组乘法 NumPy 数组除法

高级数组运算

NumPy 交换数组的轴 NumPy 字节交换 NumPy 副本和视图 NumPy 逐元素数组比较 NumPy 过滤数组 NumPy 连接数组 NumPy 排序、搜索& 计数函数 NumPy 搜索数组 NumPy 数组并集 NumPy 查找唯一行 NumPy 创建日期时间数组 NumPy 二元运算符 NumPy 字符串函数 NumPy 矩阵库 NumPy 线性代数 NumPy Matplotlib NumPy 使用 Matplotlib 绘制直方图

排序和高级操作

NumPy 数组排序 NumPy 沿轴排序 NumPy 使用花式索引进行排序 NumPy 结构化数组 NumPy 创建结构化数组 NumPy 操作结构化数组 NumPy 记录数组 NumPy 加载数组 NumPy 保存数组 NumPy 将值附加到数组 NumPy 交换列数组 NumPy 将轴插入数组

处理缺失数据

NumPy 处理缺失数据 NumPy 识别缺失值 NumPy 移除缺失数据 NumPy 插补缺失值数据

性能优化

NumPy 使用数组进行性能优化

线性代数

NumPy 线性代数 NumPy 矩阵库 NumPy 矩阵加法 NumPy 矩阵减法 NumPy 矩阵乘法 NumPy 逐元素矩阵运算 NumPy 点积 NumPy 矩阵求逆 NumPy 行列式计算 NumPy 特征值 NumPy 特征向量 NumPy 奇异值分解 NumPy 求解线性方程 NumPy 矩阵范数

元素级矩阵运算

NumPy 总和 NumPy 平均值 NumPy 中位数 NumPy 最小值 NumPy 最大值

集合运算

NumPy 唯一元素 NumPy 交集 NumPy 并集 NumPy 差集

随机数生成

NumPy 随机数生成器 NumPy 排列和重排 NumPy 均匀分布 NumPy 正态分布 NumPy 二项分布 NumPy 泊松分布 NumPy 指数分布 NumPy 瑞利分布 NumPy 逻辑分布 NumPy 帕累托分布 NumPy 使用 Seaborn 可视化分布 NumPy 多项分布 NumPy 卡方分布 NumPy Zipf 分布

文件输入 &输出

NumPy 使用 NumPy 进行 I/O NumPy 从文件读取数据 NumPy 将数据写入文件 NumPy 支持的文件格式

数学函数

NumPy 数学函数 NumPy 三角函数 NumPy 指数函数 NumPy 对数函数 NumPy 双曲函数 NumPy 舍入函数

傅里叶变换

NumPy 离散傅里叶变换 (DFT) NumPy 快速傅里叶变换 (FFT) NumPy 逆傅里叶变换 NumPy 傅里叶级数和变换 NumPy 信号处理应用 NumPy 卷积

多项式

NumPy 多项式表示 NumPy 多项式运算 NumPy 求多项式的根 NumPy 求多项式的根

统计

NumPy 统计函数 NumPy 描述性统计

日期时间函数

NumPy 日期和时间基础知识 NumPy 表示日期和时间 NumPy 日期和时间运算 NumPy 使用日期时间进行索引 NumPy 时区处理 NumPy 时间序列分析 NumPy 处理时间增量 NumPy 闰秒处理 NumPy 矢量化日期时间运算

ufunc

NumPy ufunc 简介 NumPy 创建通用函数 (ufunc) NumPy 算术通用函数 (ufunc) NumPy 小数舍入 ufunc NumPy 对数通用函数(ufunc) NumPy 求和通用函数 (ufunc) NumPy 乘积通用函数 (ufunc) NumPy 差分通用函数 (ufunc) NumPy 寻找最小公倍数 (LCM) NumPy 寻找最大公约数 (GCD) NumPy 三角函数 (ufunc) NumPy 双曲线 (ufunc) NumPy 集合运算(ufunc)

实用资源

NumPy 快速指南 NumPy 备忘单


NumPy - 使用时间增量

在 NumPy 中处理时间增量

时间增量表示两个日期时间对象之间的差异,在处理基于时间的数据时非常有用。

在 NumPy 中,时间增量使用 timedelta64 数据类型处理,该类型允许您执行涉及日期和时间差异的各种操作。

本章将探讨如何在 NumPy 中处理时间增量,包括创建时间增量、执行算术运算以及使用它们来操作日期时间对象。

使用 NumPy 创建时间增量

在 NumPy 中,时间增量由 timedelta64 数据类型表示。您可以通过指定时长和单位(例如,天、小时、分钟)来创建时间增量。

时间增量可用于计算两个日期时间对象之间的差值,或对日期时间进行加/减运算。

示例

在此示例中,我们将创建一个 5 天 10 小时的时间增量 -

import numpy as np

# 创建 5 天 10 小时的时间增量
time_delta = np.timedelta64(5, 'D') + np.timedelta64(10, 'h')

print("Time Delta:", time_delta)

输出将以天数和小时数的组合形式显示时间增量 -

时间增量:130 小时

向 DateTime 对象添加时间增量

可以在 DateTime 对象中添加或减去时间增量来调整日期或时间。当您想要将时间戳偏移特定时长时,例如在特定日期上增加天数或减少小时数,这非常有用。

示例

在此示例中,我们将向特定日期添加 5 天 10 小时的时间增量 -

import numpy as np

# 创建一个 datetime 对象
start_date = np.datetime64('2024-01-01')

# 创建一个 5 天 10 小时的时间增量
time_delta = np.timedelta64(5, 'D') + np.timedelta64(10, 'h')

# 将时间增量添加到开始日期
new_date = start_date + time_delta

print("新日期:", new_date)

输出将显示添加时间增量后的新日期 -

新日期:2024-01-06T10

从 DateTime 中减去时间增量

就像您可以向 datetime 对象添加时间增量一样,您也可以减去它们以将日期时间向后移动。减去时间增量通常用于计算过去的日期或时间。

示例

在此示例中,我们将从特定日期中减去 5 天 10 小时的时间增量 -

import numpy as np

# 创建一个 datetime 对象
start_date = np.datetime64('2024-01-06T10:00')

# 创建一个 5 天 10 小时的时间增量
time_delta = np.timedelta64(5, 'D') + np.timedelta64(10, 'h')

# 从起始日期中减去时间增量
new_date = start_date - time_delta

print("减法后的新日期:", new_date)

输出结果为显示减去时间差后的新日期 -

减法后的新日期:2024-01-01T00:00

比较日期时间与时间增量

您可以比较已修改的日期时间对象与时间增量。这允许您检查一个日期时间是在另一个日期时间之前还是之后,或者在给定时间差的情况下,两个日期时间对象是否相同。

示例

在此示例中,我们将比较两个具有不同时间差的日期时间对象,以确定其中一个是否早于另一个 -

import numpy as np

# 创建两个日期时间对象
date1 = np.datetime64('2024-01-01')
date2 = np.datetime64('2024-01-05')

# 创建一个 5 天的时间差
time_delta = np.timedelta64(5, 'D')

# 检查添加时间差后 date1 是否早于 date2
new_date1 = date1 + time_delta
print("Is date1 + time_delta 是否早于 date2?,new_date1 < date2)

输出将显示新的 date1 是否早于 date2 -

date1 + time_delta 是否早于 date2?否

时间增量运算

时间增量支持加、减、乘、除等算术运算。您可以通过将时间增量乘以整数来缩放时间增量,或者将其除以标量以获得更小的时间单位。

示例

在此示例中,我们将时间增量乘以 2,然后除以 2,以查看最终的时间增量 -

import numpy as np

# 创建一个 5 天的时间增量
time_delta = np.timedelta64(5, 'D')

# 将时间增量乘以 2
double_delta = time_delta * 2

# 将时间增量除以 2
half_delta = time_delta / 2

print("原始时间增量:", time_delta)
print("时间增量 * 2:", double_delta)
print("时间增量 / 2:", half_delta)

输出将显示乘法和除法之后的时间增量 -

原始时间增量:5 天
时间增量 * 2:10 天
时间增量 / 2:2 天