为何未指定us单位时datetime.datetime转np.datetime64仅保留日期？

我来给你捋清楚这个问题——这绝对不是Bug，而是numpy在不同场景下处理datetime64单位推断的设计逻辑差异，核心原因在于输入数据类型和数组创建/转换方式的不同：

1. 两种场景的核心差异 #

官方文档示例：从字符串直接创建datetime64数组 #

当你直接用字符串数组创建datetime64数组（指定dtype='datetime64'）时，numpy会自动解析字符串里的时间精度，选择能覆盖所有输入最高精度的单位。比如文档里的示例字符串包含毫秒级信息，numpy就会推断用datetime64[ms]作为单位，自然保留了完整的时间精度。

代码示例：

>>> np.array(['2001-01-01T12:00', '2002-02-03T13:56:03.172'], dtype='datetime64')
array(['2001-01-01T12:00:00.000-0600', '2002-02-03T13:56:03.172-0600'], dtype='datetime64[ms]')

你的测试：从Python datetime对象转换 #

你的代码是先创建一个包含Python datetime.datetime对象的object数组，再通过astype('datetime64')转换。在numpy 1.14版本中，这种转换如果不指定单位，默认会使用天（[D]）作为单位，因此时间部分被截断，只保留日期信息。

你的测试代码：

import numpy as np
import datetime
print(np.array([datetime.datetime(2018, 5, 15, 6, 0),datetime.datetime(2018, 5, 15, 6, 30)]).astype('datetime64[us]'))
print(np.array([datetime.datetime(2018, 5, 15, 6, 0),datetime.datetime(2018, 5, 15, 6, 30)]).astype('datetime64'))

输出：

['2018-05-15T06:00:00.000000' '2018-05-15T06:30:00.000000']
['2018-05-15' '2018-05-15']

2. 背后的设计逻辑 #

• 从字符串创建时，numpy的优先级是尽可能保留输入的所有时间信息，所以会根据字符串的精度自动匹配最适合的单位。
• 从Python datetime对象转换时，早期numpy版本（包括1.14.x）的设计是默认采用最粗的通用单位（天），如果你需要保留时分秒甚至更细的精度，必须显式指定单位（比如datetime64[us]）——这是为了避免隐式转换带来的精度意外，同时保持转换逻辑的简洁性。

简单来说，两种场景的单位推断逻辑是为了适配不同输入源的特性而设计的，并非Bug。

内容的提问来源于stack exchange，提问作者kakk11