为何用Pandas为Series赋值Timestamp会转为整数？如何避免？

先还原一下你遇到的场景，运行这段代码：

import pandas as pd
from datetime import datetime

g = pd.Series(dict(a = 5, b = datetime(2018, 1,1)))
g['datetime'] = pd.Timestamp('2018-01-02')

得到的结果里，新添加的Timestamp居然变成了一串大整数：

a                        5
b        2018-01-01 00:00:00
datetime    1514851200000000000
dtype: object

为啥会这样？ #

核心原因是你最开始创建的Series dtype是object——因为里面混合了普通整数（5）和Python标准库的datetime.datetime对象。当你往这个object类型的Series里塞pd.Timestamp时，Pandas没办法在现有的object数组里直接存Timestamp对象，就自动把它转成了纳秒级的Unix时间戳整数（也就是Timestamp对应的底层数值），以此来保证整个数组的类型一致性。

怎么解决？给你三种靠谱方法 #

方法1：提前统一类型（适合全时间相关的场景） #

如果你的Series最终要存的都是时间类数据，那一开始就把所有元素都转成pd.Timestamp再创建Series：

import pandas as pd
from datetime import datetime

# 把整数5也转成Timestamp（这里用unit='D'表示按天算，你可以根据需求调整）
g = pd.Series(dict(a = pd.Timestamp(5, unit='D'), b = pd.Timestamp(datetime(2018, 1,1))))
g['datetime'] = pd.Timestamp('2018-01-02')

这样整个Series的dtype会变成datetime64[ns]，所有元素都是Timestamp类型，不会出现转换问题。

方法2：用pd.concat拼接新元素（适合混合类型场景） #

如果需要保留整数和时间戳混合的情况，直接赋值容易触发转换，那咱们就创建一个新的单个元素Series，再和原Series拼接：

import pandas as pd
from datetime import datetime

g = pd.Series(dict(a = 5, b = datetime(2018, 1,1)))
# 单独创建新元素的Series
new_entry = pd.Series({'datetime': pd.Timestamp('2018-01-02')})
# 拼接成新的Series
g = pd.concat([g, new_entry])

这时候再看结果，datetime就会保持Timestamp类型：

a                        5
b        2018-01-01 00:00:00
datetime   2018-01-02 00:00:00
dtype: object

方法3：用列表包裹赋值（简单直接的小技巧） #

还有个更简单的方式，给新元素赋值时用列表把Timestamp包起来，让Pandas识别为要存储对象而不是自动转换：

g['datetime'] = [pd.Timestamp('2018-01-02')]

这个方法不需要额外拼接，直接修改原Series就能生效，亲测好用~

内容的提问来源于stack exchange，提问作者jim jarnac