python - 当询问 Timestamp 列值是否具有 attr astype 时，Pandas 给出了错误的结果

Question

对于包含 Timestamp 值的列，我得到的关于元素是否具有属性 astype 的结果不一致:

In [30]: o.head().datetime.map(lambda x: hasattr(x, 'astype'))
Out[30]: 
0    False
1    False
2    False
3    False
4    False
Name: datetime, dtype: bool

In [31]: map(lambda x: hasattr(x, 'astype'), o.head().datetime.values)
Out[31]: [True, True, True, True, True]

In [32]: o.datetime.dtype
Out[32]: dtype('<M8[ns]')

In [33]: o.datetime.head()
Out[33]: 
0   2012-09-30 22:00:15.003000
1   2012-09-30 22:00:16.203000
2   2012-09-30 22:00:18.302000
3   2012-09-30 22:03:37.304000
4   2012-09-30 22:05:17.103000
Name: datetime, dtype: datetime64[ns]

如果我选取第一个元素(或任何单个元素)并询问它是否具有 attr astype，我会发现它具有，而且我什至可以转换为其他格式。

但是，如果我使用 Series.map 一次性对整个列执行此操作，则会收到一条错误消息，声称 Timestamp 对象没有该属性astype(尽管他们显然是这样做的)。

如何使用 Pandas 实现将操作映射到列？这是一个已知错误吗？

版本:pandas 0.13.0，numpy 1.8

已添加

这似乎是 pandas 或 numpy 的某种隐式转换:

In [50]: hasattr(o.head().datetime[0], 'astype')
Out[50]: False

In [51]: hasattr(o.head().datetime.values[0], 'astype')
Out[51]: True

Answer 1

时间戳没有 astype 方法。但 numpy.datetime64 可以。

NDFrame.values returns a numpy array.o.head().datetime.values 返回 dtype numpy.datetime64 的 numpy 数组，这就是原因

In [31]: map(lambda x: hasattr(x, 'astype'), o.head().datetime.values)
Out[31]: [True, True, True, True, True]

<小时/>

请注意，Series.__iter__ 是 defined this way :

def __iter__(self):
    if  com.is_categorical_dtype(self.dtype):
        return iter(self.values)
    elif np.issubdtype(self.dtype, np.datetime64):
        return (lib.Timestamp(x) for x in self.values)
    elif np.issubdtype(self.dtype, np.timedelta64):
        return (lib.Timedelta(x) for x in self.values)
    else:
        return iter(self.values)

因此，当 Series 的 dtype 为 np.datetime64 时，对 Series 进行迭代返回时间戳。这就是隐式转换发生的地方。