Question

我有一个比我在这里展示的数据框更大的数据框，但是我想要做的是在一系列中有某些价值（甚至更好的整个数据框）将该值更改为a没有。我需要这些是None，所以我可以将数据帧写入数据库，它将被识别为null。

series = (['2014/06/05 13:03:56', '2014/07/23 13:03:56', None, '2014/08/21 13:03:56'])
data = pd.DataFrame(series)


0   2014/06/05 13:03:56
1   2014/07/23 13:03:56
2   None
3   2014/08/21 13:03:56

data = pd.to_datetime(data[0], coerce=True)

data
0   2014-06-05 13:03:56
1   2014-07-23 13:03:56
2                   NaT
3   2014-08-21 13:03:56
Name: 0, dtype: datetime64[ns]

data = data.map(str)

data
0    2014-06-05 13:03:56
1    2014-07-23 13:03:56
2                    NaT
3    2014-08-21 13:03:56
Name: 0, dtype: object

data.replace(to_replace='NaT', value=None)
0    2014-06-05 13:03:56
1    2014-07-23 13:03:56
2    2014-07-23 13:03:56
3    2014-08-21 13:03:56
Name: 0, dtype: object

在上面的例子中，当我尝试替换NaT＆＃39;数据框实际上用前面的值填充值，而不是None。这不会有帮助，因为它必须是无。在实际的数据框架中，我使用它通常会抛出一个类型错误，告诉我我不能用方法垫替换None。我在这里使用的是日期时间系列，但实际上我不仅仅需要日期时间系列。它似乎应该是熊猫的基本功能，但我无法找到答案。

谢谢，科林

Answer 1

首先，您的代码无效的原因是那些NaT值不是字符串'NaT'，它们是值pd.NaT。但是，既然我不认为修复会实际上给你你想要的东西，那么我们暂时忽略它。

Pandas DataFrame，就像它构建的NumPy ndarray一样，是一个紧凑的类型化的低级值。这就是它小巧，快速和类型安全的原因。但这本质上意味着它只能存储指定类型的值。 None不是datetime64[ns]类型的值。

更具体地说，datetime64[ns]只能保存64位整数，这些整数将日期时间表示为自纪元以来的纳秒，而None不是64位整数。

Pandas确实有一个特殊的价值来处理这个问题，称为NaT，用于“非时间”;这是None最接近你可以在任何类型的日期时间字段中得到的东西（就像对于浮点数更熟悉的NaN）。这就是你已经拥有的。

与此同时，Pandas特别支持None在各个不同的地方尝试做你经常想要的东西 - 存储NaN / NaT / 0，或重复最后一个值，或者各种各样的其他事情。但是，如果那不是你想要的，那就没什么用了。

如果您确实需要None，那么唯一的方法是存储正常的盒装Python对象而不是键入的低级值，这可以通过dtype=object来实现。然后，您可以将任何Python值粘贴到任何元素中，当然也包括None。

但这样做很大程度上违背了使用Pandas和NumPy的目的。您可能最好使用NaT并更改代码的其余部分 - 或者期望NaT您当前期望的None，或者包裹DataFrame在提取或打印输出期间将NaT值转换为None的内容。

为了完整性，如果你想变得疯狂，没有什么能阻止你定义optionaldatetime64[ns] dtype，就像datetime64[ns]一样，只是它使用为NaT保留的特殊值来表示而是None。或者它甚至可以保留另一个特殊值，或者说整数，表示None，而单独留下NaT。无论哪种方式，这将是很多工作，它将完全打破任何依赖于日期时间算术的操作（任何d - NaT == NaT d，但d - None是TypeError对于任何d ...），最终它不会比我能想到的任何目的的包装解决方案更好......

Answer 2

最后，这符合我的需求。我不认为map（str）在我为问题提供的代码中工作，但是它在我将其分配给一个字段而不是整个数据帧的地方工作。

def change_date_to_string(field):
    data[field] = data[field].map(str)
    data[field].loc[data[field] == 'NaT'] = None

change_date_to_string(field='usr_datetime')

如何用None-python，pandas dataframe替换字符串值

2 个答案: