如何阻止Pandas将datetime.datetime解析为datetime64[ns]作为索引？

我希望用datetime.datetime对象设置Pandas DataFrame的索引，但Pandas总会自动将其解析为自身的datetime64[ns]对应的Timestamp对象。后续操作需要用到datetime.datetime对象，但部分函数不兼容，这带来了麻烦。

最小示例代码 #

from datetime import datetime
import pandas as pd
df = pd.DataFrame({'A': [1,2,3], 'B': [4,5,6]})
dates = [datetime(2021, 1, 1), datetime(2021, 1, 2), datetime(2021, 1, 3)]
df.index = dates
print(type(df.index[0]), type(dates[0]))

输出结果 #

<class 'pandas._libs.tslibs.timestamps.Timestamp'> <class 'datetime.datetime'>

我试过用pd.Index()指定dtype来设置索引，但Pandas还是会自动解析。

解决方案 #

Pandas默认会将datetime对象转换为Timestamp以优化性能，但如果需要强制保留原生datetime.datetime类型，可以通过以下两种方式实现：

1. 创建object类型的索引 #

直接指定索引的dtype为object，避免Pandas自动转换为时间类型：

from datetime import datetime
import pandas as pd

df = pd.DataFrame({'A': [1,2,3], 'B': [4,5,6]})
dates = [datetime(2021, 1, 1), datetime(2021, 1, 2), datetime(2021, 1, 3)]
# 显式创建object类型索引
df.index = pd.Index(dates, dtype='object')
print(type(df.index[0]), type(dates[0]))

执行后输出：

<class 'datetime.datetime'> <class 'datetime.datetime'>

2. 按需转换为datetime.datetime #

如果需要保留Pandas时间索引的特性（比如时间筛选、重采样等），可以在后续操作时将Timestamp转换回原生datetime对象，使用to_pydatetime()方法：

# 转换单个索引元素
native_dt = df.index[0].to_pydatetime()
print(type(native_dt))  # <class 'datetime.datetime'>

# 转换整个索引为datetime数组
native_dt_array = df.index.to_pydatetime()
print(type(native_dt_array[0]))  # <class 'datetime.datetime'>

注意：使用object类型索引会丢失Pandas时间索引的所有优化功能，仅适合不需要时间相关操作的场景；如果需要利用Pandas的时间处理能力，建议采用第二种按需转换的方式。

内容的提问来源于stack exchange，提问作者Paul