获取多个日期时间对的日期范围

给定一个形状的日期时间数组(n, 2):

x = np.array([['2017-10-02T00:00:00.000000000', '2017-10-12T00:00:00.000000000']], dtype='datetime64[ns]') 

x有形状(1, 2)，但实际上可能是(n, 2), n >= 1。在每对中，第一个日期始终小于（或等于）第二个日期。我想获取每对日期之间的所有日期范围的列表x。这基本上就是我正在做的事情：

np.concatenate([pd.date_range(*y, closed='right') for y in x])

它有效，给予

array(['2017-10-03T00:00:00.000000000', '2017-10-04T00:00:00.000000000',
       '2017-10-05T00:00:00.000000000', '2017-10-06T00:00:00.000000000',
       '2017-10-07T00:00:00.000000000', '2017-10-08T00:00:00.000000000',
       '2017-10-09T00:00:00.000000000', '2017-10-10T00:00:00.000000000',
       '2017-10-11T00:00:00.000000000', '2017-10-12T00:00:00.000000000'], dtype='datetime64[ns]')

但这是相当慢的，因为列表比较 - 它没有完全像我想要的那样矢量化。我想知道是否有更好的方法来获取多对日期的日期范围？

我将根据需要提供尽可能多的澄清。谢谢。

有点复杂...
But

d = np.array(1, dtype='timedelta64[D]')
x = x.astype('datetime64[D]')
deltas = np.diff(x, axis=1) / d
np.concatenate([
    i + np.arange(j + 1) for i, j in zip(x[:, 0], deltas[:, 0].astype(int))
]).astype('datetime64[ns]')

array(['2017-10-02T00:00:00.000000000', '2017-10-03T00:00:00.000000000',
       '2017-10-04T00:00:00.000000000', '2017-10-05T00:00:00.000000000',
       '2017-10-06T00:00:00.000000000', '2017-10-07T00:00:00.000000000',
       '2017-10-08T00:00:00.000000000', '2017-10-09T00:00:00.000000000',
       '2017-10-10T00:00:00.000000000', '2017-10-11T00:00:00.000000000',
       '2017-10-12T00:00:00.000000000'], dtype='datetime64[ns]')

怎么运行的

• d代表一天
• x变成没有时间戳的日期
• diff让我知道相差的天数...但是在timedelta space
• 我除以我的d这也是在timedelta空间和维度消失了……留给我float我投射到int
• 当我添加对的第一列时x[:, 0]对于一个整数数组，我得到一个添加 1 个单位的广播，无论维度是什么x，即datetime64[D]。所以我要添加一天。

源自/受 @hpaulj 启发
如果他们发布答案就会删除

d = np.array(1, dtype='timedelta64[D]')
np.concatenate([np.arange(row[0], row[1] + 1, d) for row in x])

array(['2017-10-02T00:00:00.000000000', '2017-10-03T00:00:00.000000000',
       '2017-10-04T00:00:00.000000000', '2017-10-05T00:00:00.000000000',
       '2017-10-06T00:00:00.000000000', '2017-10-07T00:00:00.000000000',
       '2017-10-08T00:00:00.000000000', '2017-10-09T00:00:00.000000000',
       '2017-10-10T00:00:00.000000000', '2017-10-11T00:00:00.000000000',
       '2017-10-12T00:00:00.000000000'], dtype='datetime64[ns]')