为什么pandas在调用pd.to_datetime()时返回时间戳而不是datetime对象？

Question

根据手册，pd.to_datetime()应该是用来创建一个日期时间对象的。

但是，当我调用pd.to_datetime("2012-05-14")时，却得到了一个时间戳对象！而当我对这个对象再调用to_datetime()时，才最终得到了一个日期时间对象。

In [1]: pd.to_datetime("2012-05-14")
Out[1]: Timestamp('2012-05-14 00:00:00', tz=None)

In [2]: t = pd.to_datetime("2012-05-14")
In [3]: t.to_datime()
Out[2]: datetime.datetime(2012, 5, 14, 0, 0)

这种意外的行为有什么解释吗？

Answer 1

Timestamp 对象是 pandas 处理日期时间的方式，所以它在 pandas 中就是一个日期时间对象。不过，你可能期待的是 datetime.datetime 对象。
通常你不需要太在意这个（这只是表现形式不同）。只要你在使用 pandas，Timestamp 就没问题。即使你真的想要一个 datetime.datetime 对象，大部分情况下也能正常使用（比如所有的方法），如果不行，你可以用 to_pydatetime 来获取 datetime.datetime 对象。

更详细的解释：

• pandas 将日期时间存储为类型为 datetime64 的数据在索引或列中（这些并不是 datetime.datetime 对象）。这是 numpy 对日期时间的标准类型，性能比使用 datetime.datetime 对象要好：

   In [15]: df = pd.DataFrame({'A':[dt.datetime(2012,1,1), dt.datetime(2012,1,2)]})
  
   In [16]: df.dtypes
   Out[16]:
   A    datetime64[ns]
   dtype: object
  
   In [17]: df.loc[0,'A']
   Out[17]: Timestamp('2012-01-01 00:00:00', tz=None)
  

• 当你从这样的日期时间列或索引中获取一个值时，你会看到一个 Timestamp 对象。这个对象在处理日期时间时更方便（有更多的方法，表现更好等，比 datetime64 更好），而且它是 datetime.datetime 的子类，因此也具备所有 datetime.datetime 的方法。