如何从pandas DatetimeIndex提取时间并保留datetime64[ns]类型

我生成了这样的DatetimeIndex：

DatetimeIndex(['1970-01-01 09:30:00.015105074',
               '1970-01-01 09:30:00.059901970',
               '1970-01-01 09:30:00.113246707',
               '1970-01-01 09:30:00.113246707',
               '1970-01-01 09:30:00.113246707',
               '1970-01-01 09:30:00.113246707',
               '1970-01-01 09:30:00.113246707',
               '1970-01-01 09:30:00.154178213',
               '1970-01-01 09:30:00.173594287',
               '1970-01-01 09:30:00.202322801',
               ...
               '1970-01-01 15:59:59.544086847',
               '1970-01-01 15:59:59.544121155',
               '1970-01-01 15:59:59.544124809',
               '1970-01-01 15:59:59.544125669',
               '1970-01-01 15:59:59.544126313',
               '1970-01-01 15:59:59.544129843',
               '1970-01-01 15:59:59.544131783',
               '1970-01-01 15:59:59.544132627',
               '1970-01-01 15:59:59.544133264',
               '1970-01-01 15:59:59.871751084'],
              dtype='datetime64[ns]', name=0, length=112673, freq=None)

生成代码是：

GOOG_msg_df = pd.read_csv('GOOG_msg_5.csv', header = None, index_col = 0)
dt_index = pd.to_datetime(GOOG_msg_df.index, unit = 's')

我想提取里面的时间部分（去掉日期），试了这段代码：

pd.Series(dt_index.time)

结果是：

0         09:30:00.015105
1         09:30:00.059901
2         09:30:00.113246
3         09:30:00.113246
4         09:30:00.113246
               ...       
112668    15:59:59.544129
112669    15:59:59.544131
112670    15:59:59.544132
112671    15:59:59.544133
112672    15:59:59.871751
Length: 112673, dtype: object

问题在于结果的dtype是object而不是datetime64[ns]，没法做依赖这个类型的操作，比如：

dt_index > pd.Timestamp('1970-01-01 10:00:00')
>>> array([False, False, False, ...,  True,  True,  True])

有没有办法提取时间部分的同时保留datetime64[ns]类型？

方法1：直接用原索引做时间比较（最省事） #

要是你只是需要做时间判断（比如筛选10点之后的数据），其实根本不用去掉日期——所有时间都在同一天（1970-01-01），直接拿原DatetimeIndex和目标时间戳比就行，结果就是你要的时间比较效果：

mask = dt_index > pd.Timestamp('1970-01-01 10:00:00')

方法2：把时间转成固定日期的datetime64 #

如果确实需要单独的时间datetime列，可以把提取的时间字符串重新组合成以固定日期为基准的DatetimeIndex：

# 提取时间字符串，转成datetime64，默认日期是当前日期
time_only_dt = pd.to_datetime(dt_index.strftime('%H:%M:%S.%f'))
# 要是想统一用1970-01-01当基准：
time_only_dt = pd.to_datetime('1970-01-01 ' + dt_index.strftime('%H:%M:%S.%f'))

这样得到的time_only_dt是datetime64[ns]类型，完全支持所有datetime操作，比如：

time_only_dt > pd.Timestamp('1970-01-01 10:00:00')

方法3：通过时间差转换 #

还有一种方式是计算每个时间和当天0点的时间差，再把这个差值加到固定日期上：

# 计算从当天00:00到当前时间的时长
time_delta = dt_index - dt_index.normalize()
# 把时长加到1970-01-01上，得到datetime64类型的时间
time_only_dt = pd.Timestamp('1970-01-01') + time_delta

这个方法也能得到纯时间对应的datetime64值，和原数据的时间部分完全匹配。

内容的提问来源于stack exchange，提问作者QuantCode