将DatetimeIndex转换为np.array时格式为何改变？如何保留格式？

这个问题我之前也碰到过！本质是pandas和numpy对datetime类型的默认显示格式不一样——pandas会把datetime列默认显示成YYYY-MM-DD HH:MM:SS的样式，而numpy的datetime64[ns]类型默认输出ISO 8601标准格式（带T分隔符和纳秒后缀），但其实两者底层存储的时间戳是完全一致的。

接下来分两种场景给你解决方案：

如果你的核心需求是让numpy数组里的日期呈现和原DataFrame一模一样的字符串样式，那可以先把DataFrame的datetime列转成指定格式的字符串，再转成numpy数组：

import pandas as pd
import numpy as np

# 示例DataFrame
df = pd.DataFrame({
    'date': pd.to_datetime(['2018-02-28 01:00:00', '2018-03-01 02:00:00'])
})

# 第一步：将datetime列格式化为你需要的字符串格式
df['formatted_date'] = df['date'].dt.strftime('%Y-%m-%d %H:%M:%S')

# 第二步：转成numpy数组
date_array = df['formatted_date'].to_numpy()

print(date_array)
# 输出：array(['2018-02-28 01:00:00', '2018-03-01 02:00:00'], dtype='<U19')

这样得到的数组里存的是字符串，完全保留了你想要的格式。

如果还要保留时间类型的运算能力（比如加减天数、比较时间先后），那建议保留numpy的datetime64[ns]类型，只是在需要输出/展示的时候再格式化为你想要的样式：

# 直接转成numpy的datetime64数组
datetime_array = df['date'].to_numpy()

# 按需格式化显示
for dt in datetime_array:
    formatted_dt = pd.to_datetime(dt).strftime('%Y-%m-%d %H:%M:%S')
    print(formatted_dt)
# 输出：
# 2018-02-28 01:00:00
# 2018-03-01 02:00:00

这种方式既保留了时间类型的便利性，又能在需要的时候输出你想要的格式。

内容的提问来源于stack exchange，提问作者maynull