拆分datetime索引以标识连续时间戳（Python）

我知道有几篇关于如何基于连续值拆分序列的文章，我也采纳了他们的一些代码，但我不确定我做错了什么

我有一个长datetimeindex（“下面的时间”），我想将它拆分以识别连续的分组。所以，每次有一个时间间隔比正常的时间增量长，我希望它分开。该指数平均递增（两次之间为10m）

“Splits”是一个布尔数组，它精确地指示了拆分应该发生的位置，因此看起来工作正常

但是，当我实际使用np.split时，而不是将其拆分为多个部分，输出是这样的，它只保留拆分索引处的值：

[DatetimeIndex([], dtype='datetime64[ns]', freq=None), DatetimeIndex(['2003-02-05 09:20:00'], dtype='datetime64[ns]', freq=None), DatetimeIndex([], dtype='datetime64[ns]', freq=None), DatetimeIndex([], dtype='datetime64[ns]', freq=None), DatetimeIndex([], dtype='datetime64[ns]', freq=None), DatetimeIndex([], dtype='datetime64[ns]', freq=None), DatetimeIndex([], dtype='datetime64[ns]', freq=None), DatetimeIndex(['2003-02-09 01:20:00'], dtype='datetime64[ns]', freq=None), DatetimeIndex([], dtype='datetime64[ns]', freq=None), DatetimeIndex([], dtype='datetime64[ns]', freq=None), DatetimeIndex([], .... etc

---

你知道为什么会发生这种情况吗？

np.split的index\u或\u sections参数接受一个整数数组。 要从split（布尔数组）获取它，可以使用np。其中：

splits_indexes = np.where(splits)

然后你可以打电话

consec = np.split(times, splits_indexes + 1)

+1用于标识新零件的开始

consec = np.split(times, splits_indexes + 1)