使用np.minimum计算pd.Series时间戳最小值触发TypeError求助

我来帮你分析下这个问题的原因，以及几个可行的解决思路：

错误原因 #

当你调用np.minimum时，numpy会尝试对输入的两个对象进行类型统一。这里你传入了一个单个Timestamp对象和一个pd.Series（元素是Timestamp），numpy会把单个Timestamp转换成它底层的int64数值（也就是Unix时间戳的毫秒/纳秒数），但Series里的元素依然是Timestamp对象，这就导致了类型不匹配——int和Timestamp没法直接比较，所以抛出了TypeError: Cannot compare type 'Timestamp' with type 'int'。

而你用np.array替代pd.Series时，numpy会把数组里的Timestamp统一转换成datetime64类型，这时候和单个Timestamp对比就没问题了，因为numpy能正确处理datetime64类型的元素级最小计算。

解决思路 #

思路1：使用pandas Series内置的minimum方法 #

pandas已经为Series提供了专门的元素级最小计算方法，它能正确处理Timestamp类型，不会出现numpy的类型转换问题：

import pandas as pd
import numpy as np

target_time = pd.to_datetime('2018-01-16 21:43:00')
time_series = pd.Series([
    pd.to_datetime('2018-01-16 21:44:00'),
    pd.to_datetime('2018-01-16 21:41:00')
])

# 使用Series的minimum方法
result = time_series.minimum(target_time)
print(result)

输出：

0   2018-01-16 21:43:00
1   2018-01-16 21:41:00
dtype: datetime64[ns]

思路2：把Series转换成numpy datetime64数组 #

既然你用np.array能成功，也可以直接提取Series的numpy数组来计算，这样numpy就能正确识别类型：

result = np.minimum(target_time, time_series.values)
# 如果你需要转回Series，可以再包装一下
result_series = pd.Series(result)

思路3：将标量Timestamp转换成同长度的Series #

让两个输入都是Series类型，pandas会自动对齐并处理类型：

target_series = pd.Series([target_time] * len(time_series))
result = np.minimum(target_series, time_series)

不过这种方法不如前两种高效，尤其是当Series很大的时候，因为需要创建一个和原Series等长的新Series。

总结 #

优先选择思路1，因为它是pandas原生的方法，代码更简洁，类型处理更安全，性能也更优。如果一定要用numpy的np.minimum，那么思路2是更高效的选择。

内容的提问来源于stack exchange，提问作者germannp