Python（pandas）将多个日期时间快速映射到其系列索引？

我有一个大熊猫数据框，其中一列是已知时期（2013年）的（无序）日期时间。我需要一种有效的方法将这些日期时间转换为索引，其中每个索引=自开始时间（“2013-1-100”）起的小时数存在重复时间，应映射到重复索引。

显然，这可以通过使用timedelta一次一个循环来完成。也可以通过使用Pandas Series（参见以下代码段，该代码段生成自start_time以来所有日期时间的有序序列）通过循环完成此操作：

运行此代码段后，可以在循环中使用.index或.get_loc方法获取索引

**但是，有没有一种快速（非循环）的方法来获取任意日期时间列并找到它们各自的索引？**

例如，输入以下日期时间列：

all_indices = (df['mydatetimes'] - datetime(2013,1,1,0)) / np.timedelta64(1,'h') 

2013-01-01 11:00:00
2013-01-01 11:00:00
2013-01-01 00:00:00
2013-12-30 18:00:00

应输出以下索引：[11,11,0,8730]

使用：

---

和也很有用

loc可以获取标签列表或数组进行查找：

>>> print time_series.loc[[pd.Timestamp('20130101 11:00'), pd.Timestamp('20130101 11:00'), pd.Timestamp('20130101'), pd.Timestamp('20131230 18:00')]]
2013-01-01 11:00:00      11
2013-01-01 11:00:00      11
2013-01-01 00:00:00       0
2013-12-30 18:00:00    8730
dtype: int64

---

谢谢你的回复。我有一个新的、更快的解决方案，它利用了pandas支持datetime和timedelta格式这一事实。事实证明，以下方法的速度大约是上述Colin解决方案的两倍（尽管没有那么灵活），并且避免了构建一系列有序日期时间的开销：

all_indices = (df['mydatetimes'] - datetime(2013,1,1,0)) / np.timedelta64(1,'h') 

其中df是数据帧，“mydatetimes”是包含日期时间的列名

对代码计时会产生此解决方案执行30000个索引的结果：

0:00:00.009909-->此代码段

---

0:00:00.017800-->带有ts=系列（…）和ts.loc的科林溶液。我已从该计时中排除了构建序列的一次性开销

此解决方案不会使重复的时间戳产生重复的索引。我有许多重复的时间戳，需要它们来生成重复的索引（因此索引输出的形状与datetimes输入的形状相同）。我更新了原始问题以反映这一点。不过，谢谢你的回答！这肯定比我的解决方案更接近！

all_indices = (df['mydatetimes'] - datetime(2013,1,1,0)) / np.timedelta64(1,'h')