让 Pandas NaT 像 NaN 一样传播

Question

我试图在 NaT 面前获取包含 datetime64 数据的几个 Pandas Series 对象的最小值和最大值。如果 dtype 是 float64， np.minimum 和 np.maximum 会按照我想要的方式工作。也就是说，一旦比较中的任何元素为 NaN，NaN 将是该比较的结果。例如：>>> s10    0.01    1.82    3.63    5.4dtype: float64>>> s20    10.01    17.02     NaN3    14.0dtype: float64>>> np.maximum(s1, s2)0    10.01    17.02     NaN3    14.0dtype: float64>>> np.minimum(s1, s2)0    0.01    1.82    NaN3    5.4dtype: float64如果 s1 和 s2 是 datetime64 对象，则这不起作用：>>> s10   2199-12-311   2199-12-312   2199-12-313   2199-12-31dtype: datetime64[ns]>>> s20          NaT1   2018-10-30 2          NaT3          NaTdtype: datetime64[ns]>>> np.maximum(s1, s2)0   2199-12-311   2199-12-312   2199-12-313   2199-12-31dtype: datetime64[ns]>>> np.minimum(s1, s2)0   2199-12-311   2018-10-302   2199-12-313   2199-12-31dtype: datetime64[ns]无论是计算最小值还是最大值，我都希望索引 0、2 和 3 显示为 NaT。（我意识到 numpy 的函数可能不是最佳选择，但我没有成功找到合适的 Pandas 类似物。）在做了一些阅读之后，我开始意识到 NaT 只是近似 NaN，后者具有适当的浮点表示。进一步阅读表明没有简单的方法可以让 NaT“污染”这些比较。让 NaT 在最小/最大比较中传播的正确方法是什么，就像 NaN 在浮点上下文中所做的那样？也许有与 numpy.{maximum,minimum} 等价的 Pandas 是 NaT 感知的？

Answer 1

不确定这是最好的方法，但是如果您将 s1 和 s2 的类型更改为objectwith astype，然后使用np.minimumandnp.maximum工作，您仍然会得到一系列datetime64[ns]，例如：

print (np.maximum(s1.astype(object), s2.astype(object)))

0          NaT

1   2199-12-31

2          NaT

3          NaT

Name: 1, dtype: datetime64[ns]