为什么当我转换为 ndarray 时我的日期列会发生变化

Question

下面是我的数据框

from pandas import Timestamp
df = pd.DataFrame({'Year': [Timestamp('2023-03-14 00:00:00'),Timestamp('2063-03-15 00:00:00'),Timestamp('2043-03-21 00:00:00'),Timestamp('2053-10-09 00:00:00')],
                    'offset' : [1, 9, 8, 1]
})

当我将“年份”列转换为 list() 时，它们会保存为时间戳

>>> df['Year'].to_list()
[Timestamp('2023-03-14 00:00:00'),
 Timestamp('2063-03-15 00:00:00'),
 Timestamp('2043-03-21 00:00:00'),
 Timestamp('2053-10-09 00:00:00')]

但是，当我转换为值时，它们会保存为 datetime64

>>> df['Year'].values
array(['2023-03-14T00:00:00.000000000', '2063-03-15T00:00:00.000000000',
       '2043-03-21T00:00:00.000000000', '2053-10-09T00:00:00.000000000'],
      dtype='datetime64[ns]')

如何以Timestamp 本身（而不是datetime64 格式）获取我的数组？

Answer 1

它被转换为datetime64，因为 numpy 数组只保存certain datatypes。 Timestamp 对象不是其中之一。这与 numpy 数组如何作为一个连续块存储在内存中并由 numpy 的 C 后端处理有关。

从v1.7 开始，添加了核心数据类型datetime64 和timedelta64 以支持这些功能，但它们仍将数据以整数形式存储在内存中^需要引用

您可以使用np.array(df.Year.to_list()) 创建一个由Timestamp 对象组成的numpy 数组，但这将导致一个数组具有dtype=object

array([Timestamp('2023-03-14 00:00:00'), Timestamp('2063-03-15 00:00:00'),
       Timestamp('2043-03-21 00:00:00'), Timestamp('2053-10-09 00:00:00')],
      dtype=object)

有关这意味着什么的更多信息，请参阅this answer

用dtype=object 创建一个数组是不同的。数组占用的内存现在充满了指向 Python 对象的指针，这些对象存储在内存中的其他位置（就像 Python 列表实际上只是指向对象的指针列表，而不是对象本身）。