Python 将N个工作日添加到'；s不是单位'；D'；

我试图将工作日添加到一长串数据中，这些数据当前的格式为

datetime64

对象，但类型为

'ns'

根据Numpy，busday\u offset功能仅适用于单位为

'D'

的对象。我想要的功能存在于Pandas中，在tseries.offset`中使用“businessday

”

我可以将每个日期转换成一个时间戳，然后添加偏移量，然后再转换回来，但这感觉比它应该做的更多

有没有一种方法可以直接向具有
'ns'
单位的
datetime64
对象添加任意数量的工作日

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，如果您希望它们位于
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]')

使用pandas要容易得多，但这里有一个numpy实现。我最初是用熊猫制作日期的，但这不是必须的。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)

你可以只使用微秒的精度，然后再加上纳秒。你真的需要纳秒吗？不幸的是，为了向后兼容，我需要纳秒。我很想使用熊猫，但不幸的是它需要在numpy中。这是一个纯numpy解决方案。我只是用熊猫来做假约会。从
np_dates
中的数据开始，就可以了。