加载到 pd.DataFrame 时日期时间的奇怪行为答案

【问题标题】：Strange behavior of datetimes when loaded into pd.DataFrame加载到 pd.DataFrame 时日期时间的奇怪行为
【发布时间】：2019-11-30 10:04:08
【问题描述】：

我正在尝试构建简单的 DataFrame。两者都有一个日期，而第一个有一个额外的列：

import pandas as pd
import datetime as dt
import numpy as np

a = pd.DataFrame(np.array([
        [dt.datetime(2018, 1, 10), 5.0]]), columns=['date', 'amount'])

print(a)

# date_dt   amount
# 2018-01-10 00:00:00   5

b = pd.DataFrame(np.array([
        [dt.datetime(2018, 1, 10)]]), columns=['date'])

print(b)

# date_dt
# 2018-01-10

为什么日期的解释不同（有时间和没有时间）？当我稍后尝试应用合并时，它给我带来了问题。

【问题讨论】：

尝试：a['date'] = pd.to_datetime(a['date'])，这将允许您合并。即使我在等待你的问题的答案。当我运行 a['date'] = pd.to_datetime(a['date']) 结果是：datetime.datetime(2018, 1, 10, 0, 0) 和 b.date.iloc[0] ，答案是 Timestamp('2018-01-10 00:00:00') 。这就是您无法合并的原因。
谢谢。这样可行。我仍然想知道加载数据时发生了什么:-)

标签： python pandas numpy datetime

【解决方案1】：

好的，这就是发生的事情。我将使用以下代码：

import pandas as pd
import datetime as dt
import numpy as np

a_val = np.array([[dt.datetime(2018, 1, 10), 5.0]])

a = pd.DataFrame(a_val, columns=['date', 'amount'])

b_val = np.array([[dt.datetime(2018, 1, 10)]])
b = pd.DataFrame(b_val, columns=['date'])

我只是拆分 pd 数据帧的内容并调用数据帧本身。首先让我们打印a_val 和b_val 变量：

print(a_val, b_val)
# output: [[datetime.datetime(2018, 1, 10, 0, 0) 5.0]] [[datetime.datetime(2018, 1, 10, 0, 0)]]

还是不错的，对象是datetime.datetime。

现在让我们使用.values 访问数据框的值：

print(a.values, b.values)
# output: [[datetime.datetime(2018, 1, 10, 0, 0) 5.0]] [['2018-01-10T00:00:00.000000000']]

这里的事情搞砸了。让我们打印日期的类型：

print(type(a.values[0][0]), type(b.values[0][0]))
# output: <class 'datetime.datetime'> <class 'numpy.datetime64'>

好的，就是这样：因为在第二个数据帧中，您只有一个日期对象，并且您调用了np.array()，所以日期被转换为具有不同格式的numpy.datetime64 对象。相反，在第一个数据帧中，您有一个 datetime 对象和一个 int，代码保持原样。

短版：如果您有不同对象的集合，如日期、字符串、int 等，请使用列表，而不是 numpy 数组

【讨论】：

【解决方案2】：

a 中的两列都是对象，因为 numpy 数组是一个中间数组（类型为 object）。我认为不隐式解释混合对象可能是好的行为。

a = pd.DataFrame([[dt.datetime(2018, 1, 10), 5.0]], columns=['date', 'amount'])

这似乎更符合您的要求。

【讨论】：