Python使用pandas将float64类型NumPy数组转datetime64[ns]报错如何解决

错误根因 #

你传入的float64数组是秒级Unix时间戳，而非纳秒级时间数值，原代码直接将秒级数值当做纳秒处理、且强行指定freq='ns'，与数组实际的时间间隔（每天86400秒）不匹配，因此触发值错误。

正确实现方案 #

有两种常用的实现方式，均可得到你需要的转换结果：

方法1：使用pd.to_datetime指定时间单位（推荐） #

直接指定输入数值的单位为秒，pandas会自动完成转换：

import numpy as np
import pandas as pd

time = np.array([1420156200.0,1420242600.0,1420329000.0], dtype='float64')
# 转换为DatetimeIndex
dt_index = pd.to_datetime(time, unit='s')
# 转为带T分隔符、完整纳秒后缀的字符串格式
result = dt_index.strftime('%Y-%m-%dT%H:%M:%S.%f').to_list()

输出result即可得到你需要的目标结果。

方法2：手动转换为纳秒后构造DatetimeIndex #

如果要直接使用DatetimeIndex构造方法，可以先将秒级时间戳乘以1e9转为纳秒，不需要手动指定freq参数：

dt_index = pd.DatetimeIndex(time * 1e9)
result = dt_index.strftime('%Y-%m-%dT%H:%M:%S.%f').to_list()

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