如何转换numpy datetime64数组的日期格式？能否初始化时指定格式？

1. 实现目标格式的方法 #

numpy的datetime64数组是数值型的日期存储，要转成Jan-01-2018这种字符串格式，有两种常用方式：

方式一：numpy原生处理 #

先把数组转成Python的datetime对象数组，再用vectorize批量格式化：

import numpy as np

dates = np.arange("2018-01-01", "2021-12-31", dtype="datetime64[D]")
# 转换为datetime对象数组
date_objs = dates.astype("datetime64[ns]").astype(object)
# 批量生成格式化字符串
formatter = np.vectorize(lambda dt: dt.strftime("%b-%d-%Y"))
formatted_dates = formatter(date_objs)

方式二：用pandas简化操作 #

如果可以引入pandas，处理起来更简洁：

import numpy as np
import pandas as pd

dates = np.arange("2018-01-01", "2021-12-31", dtype="datetime64[D]")
formatted_dates = pd.to_datetime(dates).strftime("%b-%d-%Y").to_numpy()

2. 初始化时能否直接指定目标格式？ #

不行。numpy.arange生成的datetime64数组是数值型存储，本质是记录时间戳的数值，不是字符串。初始化只能设置日期的精度（比如[D]代表按天），没法直接定义显示的字符串格式——格式转换是把数值型日期转成字符串时才需要做的步骤。

3. 你写的循环代码无法实现转换 #

你的代码存在几个问题：

• numpy的datetime64对象没有month属性、replace方法，也不能直接调用strftime，这些都是Python标准库datetime.datetime对象的特性
• 就算转成了datetime对象，replace方法是用来替换年/月/日的数值，不能传入字符串格式的月份缩写，用法完全错误

如果想用循环实现，正确写法如下：

import numpy as np

dates = np.arange("2018-01-01", "2021-12-31", dtype="datetime64[D]")
formatted_dates = []
for date in dates:
    # 转成Python datetime对象
    dt = date.astype(object)
    # 格式化字符串
    formatted_dates.append(dt.strftime("%b-%d-%Y"))
# 转成numpy数组（可选）
formatted_dates = np.array(formatted_dates)

内容的提问来源于stack exchange，提问作者dartigan