Python 如何匹配datetime[ns]和datetime[D]

我使用pandas来读取日期列表，范围从1982年到2015年，仅包括工作日，类型为datetime[ns]。我想把大名单分成小名单，一年一组。我所做的是：

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，有谁有更好的办法按一年的单位对数据进行分组

---

3） 我可以使用其他方法读取日期列表，但类型是unicode，如何将unicode与datetime64匹配

您可以使用列表和词典理解来生成一本键入年度的词典

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')]

---

非常感谢你。这很有启发性。但是我想用这样的格式记录日期。1982-01-11 1982-01-08 1982-01-07 1982-01-06 1982-01-05 1982-01-04，数据类型：datetime64[ns]。节假日也不包括在内。因为我想使用数据和价格来绘制一些图。为了清楚起见，您希望结果是格式化文本（不再是时间戳）？如果是这样，就这样做：`{yr:[d.strftime（“%Y-%m-%d”）for…`对不起，我仍然希望日期是dtype:datetime64。你知道怎么做吗？

[d.to_datetime64（）for d in dates…]

？结果是numpy.datetime64类型。非常感谢。我想在你的帮助下，我现在可以解决这个问题了。