我想将一个包含datetime 64 [m]和timedelta 64 [m]字段的结构化NumPy数组转换为一个等效的包含自纪元以来的秒数的结构化数组。
np.array中的字段大小对于将非结构化数组转换为结构化数组非常重要。（Convert a numpy array to a structured array）
由于当前的np.datetime64字段比int字段长几秒，因为epoch不可能将数组转换到位-对吗？（我更喜欢这个选项。）
简单而错误的做法是：

import numpy as np
import numpy.lib.recfunctions as rf

datetime_t = np.dtype([("start", "datetime64[m]"),
                       ("duration", "timedelta64[m]"),
                       ("score", float)])

seconds_t = np.dtype([("start", "int"),
                      ("duration", "int"),
                      ("score", float)])

unstructured = np.arange(9).reshape((3, 3))
print(unstructured)

datetime_structure = rf.unstructured_to_structured(unstructured, dtype=datetime_t)
print(datetime_structure)

seconds_structure = datetime_structure.astype(seconds_t)
print(seconds_structure.dtype)

输出如下：

[[0 1 2]
 [3 4 5]
 [6 7 8]]
[('1970-01-01T00:00', 1, 2.) ('1970-01-01T00:03', 4, 5.)
 ('1970-01-01T00:06', 7, 8.)]
[(0, 1, 2.) (3, 4, 5.) (6, 7, 8.)]

Process finished with exit code 0

因为我指定了分钟，所以应该得到60秒的倍数，而不是一位数。
旁注：我对第一次转换为DateTime格式感到困惑，因为DateTime不是以分钟而是以秒为单位。我指定了datetime64[m]并将3（以及0和6）转换为该格式，我希望是3分钟（“1970 -01- 01 T03：00”），而不是3秒（“1970 -01- 01 T00：03”）。哦，好吧。也许有人能解释一下？
如何优雅而高效地转换这样的结构化数组？是否需要手动迭代数组（我的真实的数组比这个例子多了几个字段），逐个复制列，然后转换时间字段？假设我想转换包含这些时间格式的多个不同结构，在结构化阵列中转换这些字段的通用方法将是受欢迎的，而无需单独指定字段。