如何将元组列表中的pd.Timestamp类型直接转换为np.datetime64？

你原来的代码问题在于：循环里的val = np.datetime64(val)只是修改了临时变量，并没有真正改变数组或后续元组里的元素。因为元组是不可变类型，无法直接修改内部元素，必须重新构建包含转换后值的新元组。

下面是几种可行的实现方式：

方式一：列表推导式直接转换（最简洁） #

直接在生成元组列表时，对每个元素进行类型判断和转换：

import pandas as pd
import numpy as np

# 假设df是你的原始DataFrame
tuples = [
    tuple(np.datetime64(val) if isinstance(val, pd.Timestamp) else val for val in row)
    for row in df.to_numpy()
]

这里用isinstance代替type()更稳妥，能兼容Timestamp的子类情况。

方式二：先统一转换DataFrame的日期列（更高效） #

如果你的DataFrame里有整列都是日期类型，可以先把这些列转成np.datetime64类型，再生成元组：

# 遍历所有列，将日期类型列转换为np.datetime64
for col in df.columns:
    if pd.api.types.is_datetime64_any_dtype(df[col]):
        df[col] = df[col].to_numpy(dtype='datetime64[ns]')

# 直接生成元组列表
tuples = [tuple(row) for row in df.to_numpy()]

这种方式避免了逐元素判断，对于大数据量的DataFrame效率更高。

为什么你的原代码不生效？ #

原循环中，for val in cols是遍历元素的副本，修改val并不会改变数组里的原始值。如果要通过修改数组来实现，需要用索引定位元素：

temp_array = df.to_numpy()

for i in range(temp_array.shape[0]):
    for j in range(temp_array.shape[1]):
        val = temp_array[i][j]
        if isinstance(val, pd.Timestamp):
            temp_array[i][j] = np.datetime64(val)

tuples = [tuple(x) for x in temp_array]

但这种写法比列表推导式繁琐，不如直接生成新元组来得简洁。

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