python - 将负日期时间转换为 NaT

Question

我有两列:“asked”和“answered”，但是“answered”是一个对象，而“asked”是 datetime64[ns]。所以我将“answered”转换为 Datetime:

df['answered'] = pd.to_datetime(df['answered'])

index,  asked,    answered
0     2016-07-04  07/07/2016
1     2016-07-03  07/01/2016
2     2016-07-05  07/09/2016
3     NaT         NaN

然后，我制作了第 3 列，给出了两者之间的时间差:

df['Days']= df['answered'] - df['asked']

 index,     asked,    answered,    Days     
    0     2016-07-04  07/07/2016   3 days
    1     2016-07-03  07/01/2016   -2 days
    2     2016-07-05  07/09/2016   4
    3     NaT         NaN          NaT

在@piRSquared 的帮助下，我试图将负天数转换为 NaT，但是当我这样做时没有任何反应:

df.update(df[['Days']].mask(df < 0))

我怎样才能把消极的日子变成 NaT？

Answer 1

使用mask

df.mask(df < 0)

         Days    col2
index                
0     20 days     NaT
1     61 days 78 days
2         NaT 10 days

---

pd.DataFrame.mask 采用 bool 值数组，标识要屏蔽的位置。如果传递了可选的第二个参数，它将用可选参数中指定的值替换标识位置中的值。如果没有传递该参数，就像在我提出的解决方案中一样，那么标识的值将被替换为空值。由于这些列的 dtypes 是 timedelta，因此相应的空值将是 NaT。

---

假设您的数据框包含许多列。您可以只关注您关心的特定列。

df[['Days', 'col2']].mask(df < 0)

然后你可以就地更新df

df.update(df[['Days', 'col2']].mask(df < 0))

假设您想获取所有时间增量的列

df.select_dtypes([np.timedelta]).mask(df < 0)

和更新

df.update(df.select_dtypes([np.timedelta64]).mask(df < 0))