是否有人遇到过以下类似情况，如果我们让a为Timestamp，让b为datetime64，那么比较a < b就可以了，但b < a返回错误。
如果可以将a与b进行比较，我认为我们应该可以进行另一种比较？
例如（Python 2.7）：
>>> a
Timestamp('2013-03-24 05:32:00')
>>> b
numpy.datetime64('2013-03-23T05:33:00.000000000')
>>> a < b
False
>>> b < a
Traceback (most recent call last):
File "<input>", line 1, in <module>
File "pandas\_libs\tslib.pyx", line 1080, in pandas._libs.tslib._Timestamp.__richcmp__ (pandas\_libs\tslib.c:20281)
TypeError: Cannot compare type 'Timestamp' with type 'long'
非常感谢！
答案 0 :(得分：1)
这是一个有趣的问题。我做了一些挖掘工作，并尽了最大的努力来解释其中的一些问题，尽管我仍然不了解的一件事是，为什么我们在pandas时抛出错误而不是numpy 1}}。
关于您的问题：
如果a可以与b进行比较，我认为我们应该能够进行另一种比较？
这不一定是正确的。这仅取决于比较运算符的实现。
以该测试类为例：
b<a在这里，我定义了class TestCom(int):
def __init__(self, a):
self.value = a
def __gt__(self, other):
print('TestComp __gt__ called')
return True
def __eq__(self, other):
return self.a == other
（__gt__）方法，无论其他值是什么，该方法始终返回true。 <（__eq__）保持不变。
现在检查以下比较：
==回到您的情况。看着timestamps_sourceCode，我唯一想到的就是a = TestCom(9)
print(a)
# Output: 9
# my def of __ge__
a > 100
# Ouput: TestComp __gt__ called
# True
a > '100'
# Ouput: TestComp __gt__ called
# True
'100' < a
---------------------------------------------------------------------------
TypeError Traceback (most recent call last)
<ipython-input-486-8aee1b1d2500> in <module>()
1 # this will not use my def of __ge__
----> 2 '100' > a
TypeError: '>' not supported between instances of 'str' and 'TestCom'
进行一些类型检查和转换。
当我们比较a与b（pandas.Timestamp与pd.Timestamp）时，np.datetime64函数进行比较，如果类型为Timestamp.__richcmp__，则将其转换为np.datetime64键入并进行比较。
pd.Timestamp我感到惊讶的是，我认为问题不在{stamp}中的# we can do the following to have a comparison of say b > a
# this converts a to np.datetime64 - .asm8 is equivalent to .to_datetime64()
b > a.asm8
# or we can confert b to datetime64[ms]
b.astype('datetime64[ms]') > a
# or convert to timestamp
pd.to_datetime(b) > a
中，是即使您执行以下操作，np.datetime64与pd.Timestamp之间的比较也会失败。
nanoseconds看一下源代码，看来我们可以使用a = pd.Timestamp('2013-03-24 05:32:00.00000001')
a.nanosecond # returns 10
# doing the comparison again where they're both ns still fails
b < a
和==运算符了。但是，即使他们没有按预期工作。请看以下示例：
!=我认为这是第149-152行或163-166行的结果。如果您将a = pd.Timestamp('2013-03-24 05:32:00.00000000')
b = np.datetime64('2013-03-24 05:32:00.00000000', 'ns')
b == a # returns False
a == b # returns True
和False用于==，则它们返回True的位置，而不实际比较值。
修改：
!=功能是在版本nanosecond中添加的。因此，您可以执行类似0.23.0的操作。因此，是的，当您比较pd.Timestamp('2013-03-23T05:33:00.000000022', unit='ns')时，它将以np.datetime64的精度转换为pd.Timestamp。
请注意，ns应该可以代替python的日期时间：
Timestamp与python的Datetime等效于熊猫 并且在大多数情况下可以互换。
但是python的日期时间不支持纳秒级-在这里很好地解释了为什么SO_Datetime。pd.Timestamp支持两者之间的比较，即使您的pd.Timestamp包含纳秒级也是如此。当您将Timestamp对象和datetime对象与pd.Timestamp进行比较时，它们将具有_compare_outside_nanorange来进行比较。
回到ns，这里要注意的一件事，正如这篇帖子SO很好地解释的那样，它是np.datetime64类型的包装器。因此，如果执行以下操作，请不要感到惊讶：
int64两者都会出现错误1 > a
a > 1
。
因此，当您进行Cannot compare type 'Timestamp' with type 'int'时，比较通常是在b > a级别上进行的，该比较将通过int函数np.greater进行-还要进行看ufunc_docs。
注意：我无法确认这一点，numpy文档太复杂而无法阅读。如果有任何麻木的专家可以对此发表评论，那将会有所帮助。
在这种情况下，如果np.greater()的比较是基于np.datetime64的，则上面的示例中int和a == b才有意义。因为当我们进行b == a时，我们会将b == a的{{1}}值与int进行比较，因此对于b和{{1} } pd.Timestamp。
与说Flase相同，该操作不会失败，只会返回==。