pd.Timestamp与np.datetime64：它们可以互换使用吗？

Question

这个问题是由对与in进行比较时提高性能的问题的答案引起的。DatetimeIndex``pandas

该解决方案通过将转换DatetimeIndex为numpy数组，df.index.values然后将该数组与np.datetime64对象进行比较。这似乎是从此比较中检索布尔数组的最有效方法。

一位开发人员对此问题的反馈pandas是：“一般而言，这些都不相同。提供一个numpy解决方案通常是特例，不建议这样做。”

我的问题是：

1. 它们可以互换一部分操作吗？我赞赏 DatetimeIndex提供了更多功能，但我只需要切片和索引等基本功能。
2. 可转换为的运算的 结果 是否有任何记载的差异numpy？

在我的研究中，我发现一些帖子提到“并非始终兼容”-但似乎都没有结论性的参考文件/文档，也没有说明为什么/通常不兼容的原因。许多其他帖子使用该numpy表示形式而没有评论。

Answer 1

我认为，您应该始终喜欢使用Timestamp-在需要的情况下可以轻松地转换回numpy日期时间。

numpy.datetime64本质上是一个薄包装int64。它几乎没有日期/时间特定的功能。

pd.Timestamp是包装纸的包装纸numpy.datetime64。它由相同的int64值支持，但支持整个datetime.datetime接口以及有用的特定于熊猫的功能。

这两个的数组内表示是相同的-它是int64的连续数组。 pd.Timestamp是一个标量框，使使用单个值更加容易。

回到链接的答案，您可以这样写，它更短，碰巧更快。

%timeit (df.index.values >= pd.Timestamp('2011-01-02').to_datetime64()) & \
        (df.index.values < pd.Timestamp('2011-01-03').to_datetime64())
192 µs ± 6.78 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)