为何将timedelta64[ns]转为int时dt.days可行而astype(timedelta64[D])报错？

示例数据 #

现有一个Pandas Series，数据类型为timedelta64[ns]，示例输出如下：

df.d_num_active.head()

# 输出结果
0   191 days
1    49 days
2   273 days
3   287 days
4   634 days
Name: d_num_active, dtype: timedelta64[ns]

问题现象 #

执行astype('timedelta64[D]')尝试转换时间差单位时，触发如下错误：

>>> df.d_num_active.head().astype('timedelta64[D]')

ValueError: Cannot convert from timedelta64[ns] to timedelta64[D].
Supported resolutions are 's', 'ms', 'us', 'ns'

疑问与解答 #

疑问点 #

此前看到的资料显示该转换应该可行，但实际报错；而使用dt.days却能正常提取整数天数：

df.d_num_active.head().dt.days

# 输出结果
0    191
1     49
2    273
3    287
4    634

原因分析 #

Pandas的astype方法对timedelta64类型的转换做了限制，仅支持s（秒）、ms（毫秒）、us（微秒）、ns（纳秒）这几种时间单位，不直接支持D（天）的转换。而你看到的资料大概率是针对NumPy原生timedelta64数组的操作——NumPy原生数组确实支持astype('timedelta64[D]')转换，但Pandas对Series的astype做了封装，行为和原生NumPy不同。

比如NumPy原生场景下转换是可行的：

import numpy as np
# 先创建天单位的时间差数组，转成纳秒单位
td_ns = np.array([191,49,273,287,634], dtype='timedelta64[D]').astype('timedelta64[ns]')
# 转回天单位
td_ns.astype('timedelta64[D]')
# 输出：array([191,  49, 273, 287, 634], dtype='timedelta64[D]')

正确提取天数的方法 #

1. 直接用dt.days属性：这是Pandas官方推荐的方式，专门用于从时间差Series中提取天数整数值，简单高效，就是你已经验证可行的方法。
2. 基于数值计算转换：先将Series转为整数（纳秒数），再除以一天对应的纳秒总数（86400 * 10**9）：

   df.d_num_active.head().values.astype('int64') // (86400 * 10**9)
   # 输出：array([191,  49, 273, 287, 634])
   

3. 通过总秒数转换：先计算时间差的总秒数，再除以一天的秒数（86400）：

   df.d_num_active.head().dt.total_seconds() // 86400
   

内容的提问来源于stack exchange，提问作者Sean.H