如何将含多个Timestamp数组的列表转为DataFrame索引？

你的问题出在pd.concat只能处理Series或DataFrame对象，不能直接拼接numpy数组，所以得先把数组转成允许的格式，或者先合并所有数组，再创建DataFrame索引。下面给两种可行的方案：

方案一：合并所有数组为一维数组 #

先把列表里的多个numpy数组合并成一个一维数组，再用这个数组作为DataFrame的索引：

import pandas as pd
import numpy as np

# 你的日期列表
dates = [np.array([pd.Timestamp('2022-09-26 00:00:00', freq='15T'),
                   pd.Timestamp('2022-09-26 00:15:00', freq='15T'),
                   pd.Timestamp('2022-09-26 00:30:00', freq='15T')], dtype=object),
         np.array([pd.Timestamp('2022-09-27 00:00:00', freq='15T'),
                   pd.Timestamp('2022-09-27 00:15:00', freq='15T')], dtype=object)]

# 合并数组为一维数组
combined_dates = np.concatenate(dates)

# 创建DataFrame（这里用随机数据示例，替换成你的真实数据即可）
df = pd.DataFrame({'values': np.random.rand(len(combined_dates))}, index=combined_dates)

方案二：转成Series后拼接 #

把每个numpy数组转换成Pandas Series，再用pd.concat拼接，最后作为索引：

import pandas as pd
import numpy as np

# 你的日期列表
dates = [np.array([pd.Timestamp('2022-09-26 00:00:00', freq='15T'),
                   pd.Timestamp('2022-09-26 00:15:00', freq='15T'),
                   pd.Timestamp('2022-09-26 00:30:00', freq='15T')], dtype=object),
         np.array([pd.Timestamp('2022-09-27 00:00:00', freq='15T'),
                   pd.Timestamp('2022-09-27 00:15:00', freq='15T')], dtype=object)]

# 将每个数组转为Series
date_series_list = [pd.Series(arr) for arr in dates]

# 拼接Series
combined_dates = pd.concat(date_series_list, ignore_index=False)

# 创建DataFrame
df = pd.DataFrame({'values': np.random.rand(len(combined_dates))}, index=combined_dates)

如果不需要Timestamp里的freq属性，可以在合并后转成普通datetime类型：

combined_dates = np.concatenate(dates).astype('datetime64[ns]')

内容的提问来源于stack exchange，提问作者OAP