Python 加载到pd.DataFrame时datetimes的奇怪行为

我试图构造简单的数据帧。两者都有一个日期，而第一个有一个附加列：

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）？当我以后尝试应用合并时，它会给我带来问题。

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一种好的行为

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

---

这似乎更符合您的需求。

好的，下面是发生的情况。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'])

我只是分割pd数据帧的内容并调用数据帧本身。首先，让我们打印thr

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)]]

所以仍然很好，对象是datetime.datetime

现在，让我们使用

访问数据帧的值。值
：

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

这里乱七八糟。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'>

打印（类型（a.values[0][0]），类型（b.values[0][0]））
#输出：

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
np.array（）
，所以日期被强制转换为一个
numpy.datetime64
对象，该对象具有不同的格式。相反，在第一个数据帧中，您有一个datetime对象加上一个int，代码保持原样

短版本：如果您有一个不同对象的集合，如日期、字符串、int等。请使用列表，而不是numpy数组
尝试：
a['date']=pd.to_datetime（a['date']）
，这将允许您合并。就连我都在等你的问题的答案。当我运行
a['date']=pd.to_datetime（a['date']）
时，结果是：
datetime.datetime（2018,1,10,0,0）
对于
b.date.iloc[0]
，答案是
时间戳（'2018-01-10 00:00:00'）
。这就是您无法合并的原因。谢谢。这很有效。我仍然想知道加载数据时发生了什么：-）