python - 如何匹配日期时间[ns]和日期时间[D]

Question

我使用 pandas 读取范围从 1982 年到 2015 年(仅包括工作日)的日期列表，其类型为 datetime[ns]。我想将大列表分成按一年分组的小列表。我所做的事情如下:

list_Date = []
list_Close = []
for i in range(1982,2016):
    dateONEyear = []
    CloseOneyear = []
    date = np.arange(str(i),str(i+1),dtype='datetime64[D]')
    for ii,jj in zip(AAPL['Date'],AAPL['Close']):
        if str(ii) in date:
            dateBYyear.append(ii)
            CloseOneyear.append(jj)
    list_Date.append(dateONEyear)
    list_Close.append(CloseOneyear)

但是它不起作用。我的问题是:

1) 如何匹配这两种不同的数据类型？

2)或者有人有更好的想法以一年为单位对数据进行分组？

3)我可以使用另一种方法来读取日期列表，但类型是unicode，如何将unicode与datetime64匹配？

Answer 1

您可以使用列表和字典理解来生成以年份为关键字的字典。

dates = pd.date_range('1982-1-1', '2016-1-28', freq='B')
date_dict = {yr: [d for d in dates if d.year == yr] 
                 for yr in range(dates[0].year, dates[-1].year + 1)}

>>> dates_dict[2016]
[Timestamp('2016-01-01 00:00:00', offset='B'),
 Timestamp('2016-01-04 00:00:00', offset='B'),
 Timestamp('2016-01-05 00:00:00', offset='B'),
 Timestamp('2016-01-06 00:00:00', offset='B'),
 Timestamp('2016-01-07 00:00:00', offset='B'),
 Timestamp('2016-01-08 00:00:00', offset='B'),
 Timestamp('2016-01-11 00:00:00', offset='B'),
 Timestamp('2016-01-12 00:00:00', offset='B'),
 Timestamp('2016-01-13 00:00:00', offset='B'),
 Timestamp('2016-01-14 00:00:00', offset='B'),
 Timestamp('2016-01-15 00:00:00', offset='B'),
 Timestamp('2016-01-18 00:00:00', offset='B'),
 Timestamp('2016-01-19 00:00:00', offset='B'),
 Timestamp('2016-01-20 00:00:00', offset='B'),
 Timestamp('2016-01-21 00:00:00', offset='B'),
 Timestamp('2016-01-22 00:00:00', offset='B'),
 Timestamp('2016-01-25 00:00:00', offset='B'),
 Timestamp('2016-01-26 00:00:00', offset='B'),
 Timestamp('2016-01-27 00:00:00', offset='B'),
 Timestamp('2016-01-28 00:00:00', offset='B')]