python - Pandas 中日期列的最大值/最小值，列包括 nan 值

Question

我正在尝试在 pandas 数据框中创建一个新列，其中包含来自其他两个日期列的最大(或最小)日期。但是，当其中任何一列中的任何位置都存在 NAN 时，整个最小/最大列将变为 NAN。是什么赋予了？当使用数字列时，这工作正常......但是对于日期，新列都是 NAN。下面是一些示例代码来说明问题:

df = pd.DataFrame(data=[[np.nan,date(2000,11,1)], 
                        [date(2000,12,1), date(2000,9,1)],
                        [date(2000,4,1),np.nan],
                        [date(2000,12,2),np.nan]], columns=['col1','col2'])

df['col3'] = df[['col1','col2']].max(axis=1)

我知道这可以通过 loc 和 <、>、isnull 等的组合来完成。但是如何让它与常规的最大/最小函数一起工作呢？

Answer 1

您正在将 date 对象存储在您的列中，如果您转换为 datetime 那么它会按预期工作:

In[10]:
df['col1'] = pd.to_datetime(df['col1'])
df['col2'] = pd.to_datetime(df['col2'])
df

Out[10]: 
        col1       col2  col3
0        NaT 2000-11-01   NaN
1 2000-12-01 2000-09-01   NaN
2 2000-04-01        NaT   NaN
3 2000-12-02        NaT   NaN

In[11]:
df['col3'] = df[['col1','col2']].max(axis=1)
df

Out[11]: 
        col1       col2       col3
0        NaT 2000-11-01 2000-11-01
1 2000-12-01 2000-09-01 2000-12-01
2 2000-04-01        NaT 2000-04-01
3 2000-12-02        NaT 2000-12-02

如果你只是做了:

df['col3'] = df['col1'].max()

这引发了一个 TypeError: '>=' not supported between instances of 'float' and 'datetime.date'

NaN 值导致 dtype 被提升为 float 因此返回 NaN。如果您没有缺失值，那么它将按预期工作，如果您有缺失值，那么您应该将 dtype 转换为 datetime 以便将缺失值转换为 NaT 以便 max 正常工作