Python 为什么对象数据类型数组包含datetime.datetime对象而不是numpy.datetime64对象？

我不明白为什么我的numpy数组将

numpy.datetime 64

值存储在

dts

中，作为

datetime.datetime

对象

[1]中的

：将numpy作为np导入
在[2]中：导入日期时间
在[3]中：arr=np.one（（3，），dtype='O'）
在[4]中：dts=np.array（[np.datetime64（datetime.datetime.today（））]*2）
In[5]：dts
出[5]：
数组（['2020-08-20T14:44:03.945058'，'2020-08-20T14:44:03.945058']，
dtype='datetime64[us]'）
在[6]中：arr[：2]=dts
在[7]中：arr
出[7]：
数组（[datetime.datetime（2020,8,20,14,44,3945058），
datetime.datetime（2020,8,20,14,44,3945058），1]，dtype=object）

我已经能够使用下面的代码解决这个问题，但我的实际情况更复杂，我更愿意使用上面的方法

In [8]: arr = np.ones((3,), dtype='O')  
In [9]: dts = np.array([np.datetime64(datetime.datetime.today())] * 2) 
In [10]: for i in [0, 1]: 
    ...:     arr[i] = dts[i]  
In [11]: arr                                                                    
Out[11]: 
array([numpy.datetime64('2020-08-20T14:53:20.878553'),
       numpy.datetime64('2020-08-20T14:53:20.878553'), 1], dtype=object)

为什么第一种方法不存储给定的

arr

is

object

dtype中的确切对象类型

In [346]: dts = np.array([np.datetime64(datetime.datetime.today())] * 2)                             
In [347]: dts                                                                                        
Out[347]: 
array(['2020-08-20T14:46:12.940815', '2020-08-20T14:46:12.940815'],
      dtype='datetime64[us]')

tolist

将数组转换为列表，尽可能将元素呈现为基本Python对象-显然

datatime64

被编程为将自身呈现为

datetime

对象：

In [348]: dts.tolist()                                                                               
Out[348]: 
[datetime.datetime(2020, 8, 20, 14, 46, 12, 940815),
 datetime.datetime(2020, 8, 20, 14, 46, 12, 940815)]

将

dts

数组转换为对象类型也会将元素转换为

datetime

：

In [387]: dts.astype(object)[0]                                                                      
Out[387]: datetime.datetime(2020, 8, 20, 14, 46, 12, 940815)

因此，

arr[：]=dts

必须通过

tolist

或

astype（object）

浮动也会发生类似的情况：

In [360]: x = np.array([1.23, 23.2])                                                                 
In [361]: type(x[0])                                                                                 
Out[361]: numpy.float64
In [362]: arr[:] = x                                                                                 
In [363]: arr                                                                                        
Out[363]: array([1.23, 23.2], dtype=object)
In [364]: type(arr[0])                                                                               
Out[364]: float

分配单个项将保留数据类型：

In [365]: arr[0] = x[0]                                                                              
In [366]: arr                                                                                        
Out[366]: array([1.23, 23.2], dtype=object)
In [367]: type(arr[0])                                                                               
Out[367]: numpy.float64
In [368]: type(arr[1])                                                                               
Out[368]: float

arr

现在包含一个

np.float64

和一个

float

---

请记住，对象数据类型数组存储对对象的引用，即内存中其他位置的对象。在这方面，它很像一个列表。另一方面，数字数据类型数组存储字节，字节由

dtype

机制解释

dts[0]

实际上并不引用

dts

的8字节块；这是一个新的

datetime64

对象。

arr[0]

（在上面的代码中）是另一个

datetime64

对象（具有相同的值）。

你问它有没有什么方法可以避免

的
循环以得到我想要的结果？@dshanahan你有没有理由使用
dtype='O'
？您是否可以使用结构化数组，前两列使用实数numpy datetime64？
In [365]: arr[0] = x[0]                                                                              
In [366]: arr                                                                                        
Out[366]: array([1.23, 23.2], dtype=object)
In [367]: type(arr[0])                                                                               
Out[367]: numpy.float64
In [368]: type(arr[1])                                                                               
Out[368]: float