Pandas Timestamp异常省略毫秒、微秒和纳秒问题求助

问题描述 #

更新Anaconda环境后，使用Pandas将带时区的可读日期时间转换为Epoch纳秒级时间戳时出现异常：

更新前执行以下代码可得到纳秒级整数：

ts = pd.Timestamp('2021-04-25 12:13:30', tz='Europe/Berlin')
ts_new = np.int64(ts.asm8)

结果：1619345610000000000

但更新后（当前版本：pandas 2.0.3，numpy 1.24.3）结果变为：

结果：1619345610

而无时区的转换仍正常：

ts = pd.to_datetime('2021-04-25 12:13:30')
ts_new = np.int64(ts.asm8)

结果：1619352810000000000

根据Pandas文档，asm8应返回纳秒级numpy datetime64格式，但当前带时区的场景下精度降为秒级，不符合预期。

原因分析 #

这是Pandas 2.0+版本的行为变化，而非操作错误或bug：

• 对于带时区的Timestamp，当时间戳无毫秒/微秒/纳秒部分时，asm8会自动采用更紧凑的精度（秒级datetime64[s]）存储，而非强制纳秒级。
• 无时区的Timestamp仍默认使用纳秒级精度，因此转换结果正常。

解决方案 #

有两种可靠方法获取纳秒级Epoch时间戳：

方法1：使用Timestamp.value属性 #

value属性直接返回纳秒级整数，不受精度优化影响：

ts = pd.Timestamp('2021-04-25 12:13:30', tz='Europe/Berlin')
ts_new = ts.value
print(ts_new)  # 输出：1619345610000000000

方法2：强制转换asm8到纳秒精度 #

将asm8显式转换为纳秒级datetime64类型后再转整数：

ts = pd.Timestamp('2021-04-25 12:13:30', tz='Europe/Berlin')
ts_new = np.int64(ts.asm8.astype('datetime64[ns]'))
print(ts_new)  # 输出：1619345610000000000

版本信息 #

INSTALLED VERSIONS
------------------
commit           : 0f437949513225922d851e9581723d82120684a6
python           : 3.11.3.final.0
python-bits      : 64
OS               : Windows
OS-release       : 10
Version          : 10.0.19045
machine          : AMD64
processor        : Intel64 Family 6 Model 158 Stepping 9, GenuineIntel
byteorder        : little
LC_ALL           : None
LANG             : en
LOCALE           : de_DE.cp1252

pandas           : 2.0.3
numpy            : 1.24.3
pytz             : 2022.7
dateutil         : 2.8.2
setuptools       : 67.8.0
pip              : 23.1.2
Cython           : None
pytest           : 7.4.0
hypothesis       : None
sphinx           : 5.0.2
blosc            : None
feather          : None
xlsxwriter       : None
lxml.etree       : 4.9.2
html5lib         : None
pymysql          : None
psycopg2         : None
jinja2           : 3.1.2
IPython          : 8.15.0
pandas_datareader: None
bs4              : 4.12.2
bottleneck       : 1.3.5
brotli           : 
fastparquet      : None
fsspec           : 2023.4.0
gcsfs            : None
matplotlib       : 3.7.2
numba            : 0.57.1
numexpr          : 2.8.4
odfpy            : None
openpyxl         : 3.0.10
pandas_gbq       : None
pyarrow          : None
pyreadstat       : None
pyxlsb           : None
s3fs             : 2023.4.0
scipy            : 1.11.1
snappy           : 
sqlalchemy       : 1.4.39
tables           : 3.8.0
tabulate         : 0.8.10
xarray           : 2023.6.0
xlrd             : None
zstandard        : 0.19.0
tzdata           : 2023.3
qtpy             : 2.2.0
pyqt5            : None

内容的提问来源于stack exchange，提问作者Günter Weber