赋值pandas DataFrame列首值给变量后，判断存在性返回False的问题

这个问题我太熟悉了——我之前也踩过这个类型不匹配的坑！你猜的没错，核心原因就是不同时间对象类型之间的直接比较，并不会自动识别它们代表的是同一个时间点，而是先检查类型是否一致，不一致就直接返回False。

为什么会返回False？ #

举个你大概率遇到的场景：假设你的代码里用到了pandas的Timestamp、numpy的datetime64和Python原生的datetime.datetime对象，比如这样：

import pandas as pd
from datetime import datetime

# Python原生datetime对象
py_dt = datetime(2024, 5, 20)
# pandas Timestamp对象
pd_ts = pd.Timestamp(py_dt)
# 转成numpy datetime64对象
numpy_dt = pd_ts.to_numpy()

# 直接比较numpy datetime64和Python datetime
print(numpy_dt == py_dt)  # 这里会返回False！

这里numpy_dt是numpy.datetime64类型，py_dt是datetime.datetime类型，Python的==运算符在跨类型比较这类对象时，不会自动转换类型去匹配时间值，而是因为类型不同直接返回False。

如果是带时区的时间对象，这个问题会更常见——比如带时区的Timestamp和无时区的原生datetime比较，也会直接返回False。

如何让判断返回True？ #

解决思路很简单：把两边的时间对象转换成同一类型，再做比较。这里给你几个实用的方法：

• 方法1：把numpy datetime64转成Python原生datetime
  可以借助pandas的Timestamp来转换，或者用numpy自身的方法：

  # 用pandas转换
  print(pd.Timestamp(numpy_dt).to_pydatetime() == py_dt)  # 返回True
  
  # 用numpy转换
  print(numpy_dt.astype('datetime64[ns]').tolist() == py_dt)  # 返回True
  

• 方法2：把Python原生datetime转成numpy datetime64
  反过来转换也能解决问题：

  import numpy as np
  print(numpy_dt == np.datetime64(py_dt))  # 返回True
  

• 方法3：如果是pandas Timestamp和原生datetime直接比较
  大部分情况下pd_ts == py_dt会返回True，但如果涉及时区不一致，需要先统一时区：

  # 比如Timestamp带时区，转成无时区再比较
  print(pd_ts.tz_localize(None) == py_dt)  # 返回True
  

额外提醒 #

如果你的判断是在pandas的DataFrame/Series里做批量比较，建议用pandas自带的方法（比如df['date'].eq(py_dt)），它会自动处理类型转换，避免手动转换的麻烦。

内容的提问来源于stack exchange，提问作者KOB