为何将pandas Timestamp列转为object类型会变为datetime且丢失时区？

先来看一个具体的场景：我们创建一个包含Timestamp类型列和整数列的DataFrame：

import pandas as pd
df = pd.DataFrame({'A':[(pd.Timestamp.utcnow()+pd.Timedelta(hours=1)) for i in range(3)], 'B':[i for i in range(3)]})
df

运行后得到的结果是：

A  B
0 2018-05-24 09:57:32.263331+00:00  0
1 2018-05-24 09:57:32.264331+00:00  1
2 2018-05-24 09:57:32.264331+00:00  2

此时检查A列的元素类型，确认都是Pandas的Timestamp对象：

set((type(t) for t in df['A']))

输出：

{pandas._libs.tslib.Timestamp}

接下来我们手动把所有列转为dtype='object'类型（这么做是为了模拟合并类型不兼容列时自动转object的场景，方便观察内容变化）：

df = pd.DataFrame({c:pd.Series(df[c].values, index=df.index, dtype='object') for c in df.columns})
df

转换后的结果显示A列的时区信息消失了：

A  B
0 2018-05-24 09:57:32.263331  0
1 2018-05-24 09:57:32.264331  1
2 2018-05-24 09:57:32.264331  2

再次检查A列的元素类型，发现全部变成了Python原生的datetime.datetime对象：

set((type(t) for t in df['A']))

输出：

{datetime.datetime}

这时候就会产生疑问：为何pandas不保留自身类型？

更严重的是，原本的时区信息完全丢失了，现在的datetime都是无时区感知的：

(df['A'].iloc[0], df['A'].iloc[0].tzinfo)

输出：

(datetime.datetime(2018, 5, 24, 9, 57, 32, 263331), None)

环境说明：Pandas 0.22、Python 3.6.3。

其实这个问题的根源不在Pandas本身，而是在numpy上——正如@user2285236指出的那样：当对Timestamp序列调用.values（也就是df[c].values）时，会提取出底层的numpy数组，但numpy并不支持带时区的datetime类型，所以这个数组实际上是无时区的datetime数组。而原本的时区信息其实是存储在Pandas的Series对象中的，并非每个Timestamp元素单独携带（或者说numpy层面无法保留），所以通过这种方式重建列时，时区信息就丢失了，同时Pandas的Timestamp类型也被转换成了Python原生的datetime类型。

内容的提问来源于stack exchange，提问作者Ymareth