有一种更容易实现的方法,不需要显式地调用numpy之外的任何库。在
Numpy有一个非常强大的datetime数据类型:特别是在这种情况下,您可以加减整数,它将其视为可用的最小时间单位。例如,对于%Y-%m-%d格式:exampledatetime1 = np.datetime64('2017-01-01')
exampledatetime1 + 1
>>
2017-01-02
但是,对于%Y-%m-%d%H:%m:%S格式:
^{pr2}$
在这种情况下,由于您只有一天解决方案的信息,您可以简单地执行以下操作:import numpy as np
bimonthly_days = np.arange(0, 60)
base_date = np.datetime64('2017-01-01')
random_date = base_date + np.random.choice(bimonthly_days)
或者如果你想更干净一点:import numpy as np
def random_date_generator(start_date, range_in_days):
days_to_add = np.arange(0, range_in_days)
random_date = np.datetime64(start_date) + np.random.choice(days_to_add)
return random_date
然后使用:yourdate = random_date_generator('2012-01-15', 60)