Python日期类型混乱问题及标准化处理方案咨询

我的Python代码库中，日期是高频错误来源，尤其是不同库的日期/datetime实现差异，以及它们之间的比较逻辑问题。

代码库中的日期类型示例 #

import datetime
import pandas as pd 
import polars as pl 
import pendulum

x1 = pd.to_datetime('2020-10-01')
x2 = datetime.datetime(2020, 10, 1)
x3 = pl.DataFrame({'i':[x2]}).select(pl.col('i').cast(pl.Date)).to_numpy()[0,0]
x4 = pl.DataFrame({'i':[x2]}).select(pl.col('i').cast(pl.Datetime)).to_numpy()[0,0]
x5 = pendulum.parse('2020-10-01')
x6 = x5.date()
x7 = x1.date()

各变量的类型与值 #

x1=2020-10-01 00:00:00           , type(x1)=<class 'pandas._libs.tslibs.timestamps.Timestamp'>
x2=2020-10-01 00:00:00           , type(x2)=<class 'datetime.datetime'>
x3=2020-10-01                    , type(x3)=<class 'numpy.datetime64'>
x4=2020-10-01T00:00:00.000000    , type(x4)=<class 'numpy.datetime64'>
x5=2020-10-01T00:00:00+00:00     , type(x5)=<class 'pendulum.datetime.DateTime'>
x6=2020-10-01                    , type(x6)=<class 'pendulum.date.Date'>
x7=2020-10-01                    , type(x7)=<class 'datetime.date'>

我认为datetime.date（即x7）是最接近Python标准的日期表示，但不确定是否正确。

不同类型间的比较问题 #

相等性比较结果表 #

比较的非对称性 #

部分比较不满足对称性（比如AB为True，但BA可能为False或报错）

大小比较的错误 #

执行xi >= xj这类大小比较时，还会出现更多报错情况

我的需求 #

• 无需时区数据，所有时间均为UTC
• 有时需要通过字符串传递日期（比如从JSON解析）
• 最多需要秒级精度，但99%的工作仅涉及日期部分

现在需要处理这些问题，避免写大量适配代码，求处理Python日期与datetime类型的可行建议。

1. 统一核心类型 #

结合你的需求，优先选择两类标准库原生类型作为统一格式：

• 仅处理日期时：使用datetime.date，这是Python官方定义的标准日期类型，兼容性最好。
• 需要包含时间（秒级精度）时：使用datetime.datetime，强制设置tzinfo=datetime.timezone.utc确保UTC时区（显式声明能避免隐性问题）。

2. 实现统一的转换工具函数 #

写一个通用转换函数，把所有输入（字符串、第三方库类型）都转成上述标准类型，避免零散处理：

import datetime
import pandas as pd
import polars as pl
import pendulum
import numpy as np

def to_standard_date(dt_input, utc_only=True):
    """将任意输入转换为datetime.date或带UTC的datetime.datetime"""
    # 处理字符串输入
    if isinstance(dt_input, str):
        try:
            dt = datetime.datetime.fromisoformat(dt_input)
            if utc_only:
                dt = dt.replace(tzinfo=datetime.timezone.utc)
            # 仅日期部分转成date类型
            if dt.time() == datetime.time.min:
                return dt.date()
            return dt
        except ValueError:
            # 可添加自定义格式解析逻辑
            pass
    
    # 处理第三方库类型
    if isinstance(dt_input, pd.Timestamp):
        dt = dt_input.to_pydatetime()
        return dt.date() if dt.time() == datetime.time.min else dt.replace(tzinfo=datetime.timezone.utc)
    elif isinstance(dt_input, (pl.Date, pl.Datetime)):
        dt = dt_input.to_python_datetime() if hasattr(dt_input, 'to_python_datetime') else dt_input
        return dt.date() if isinstance(dt, datetime.datetime) and dt.time() == datetime.time.min else dt
    elif isinstance(dt_input, np.datetime64):
        dt = pd.to_datetime(dt_input).to_pydatetime()
        return dt.date() if dt.time() == datetime.time.min else dt.replace(tzinfo=datetime.timezone.utc)
    elif isinstance(dt_input, (pendulum.DateTime, pendulum.Date)):
        dt = dt_input.naive()  # 移除时区（统一用UTC）
        return dt.date() if isinstance(dt, pendulum.DateTime) and dt.time() == datetime.time.min else dt
    
    # 标准类型直接返回
    if isinstance(dt_input, (datetime.date, datetime.datetime)):
        if isinstance(dt_input, datetime.datetime) and utc_only:
            return dt_input.replace(tzinfo=datetime.timezone.utc)
        return dt_input
    
    raise ValueError(f"无法转换的日期类型: {type(dt_input)}")

3. 禁止跨类型比较 #

所有比较操作前，必须先将变量通过上述函数转换为标准类型：

# 错误做法
if x1 == x3:
    pass

# 正确做法
std_x1 = to_standard_date(x1)
std_x3 = to_standard_date(x3)
if std_x1 == std_x3:
    pass

4. 字符串传递规范 #

所有字符串日期必须使用ISO 8601格式（YYYY-MM-DD或YYYY-MM-DDTHH:MM:SS），避免自定义格式，这样解析时不会出错，且JSON序列化/反序列化更友好。

5. 减少不必要的第三方类型 #

如果不是必须使用pandas/polars/pendulum的日期功能，尽量直接用标准库类型处理，从源头减少类型混乱。比如读取JSON时直接解析字符串转成标准类型，而非先转成第三方类型。

内容的提问来源于stack exchange，提问作者MYK