Pandas DataFrame将NaT替换为None

Question

我一直在努力解决这个问题，我尝试了不同的方法。

我有一个简单的DataFrame，如图所示，

我可以使用代码将NaN替换为None（非字符串＆＃34;无＆＃34;），

[![dfTest2 = dfTest.where(pd.notnull(dfTest), None)][2]][2]

我支持NaT也被归类为＆＃39; Null＆＃39;因为以下，  

但是，NaT并未替换为None。

我一直在寻找答案但没有运气。有人可以帮忙吗？

提前谢谢。

Answer 1

制作dtype object

dfTest2 = pd.DataFrame(dict(InvoiceDate=pd.to_datetime(['2017-06-01', pd.NaT])))

dfTest2.InvoiceDate.astype(object).where(dfTest2.InvoiceDate.notnull(), None)

0    2017-06-01 00:00:00
1                   None
Name: InvoiceDate, dtype: object

Answer 2

我发现对我有用的最简单的解决方案是...

输入：

import pandas as pd
import numpy as np
dfTest = pd.DataFrame(dict(InvoiceDate=pd.to_datetime(['2017-06-01', pd.NaT]), CorpId=[2997373, np.nan], TestName=[1,1]))
dfTest.replace({np.nan: None})

dfTest的输出：

Answer 3

首先将列类型设为str

dfTest2.InvoiceDate = dfTest2.InvoiceDate.astype（str）

然后将其直接与“ NaT”进行比较，并替换为“无”

dfTest2.InvoiceDate = dfTest2.InvoiceDate.apply（lambda x：如果x ==“ NaT” else x，则为空）

Answer 4

@neerajYadav建议的类似方法，但没有apply：

dfTest2['InvoiceDate'] = (dfTest2['InvoiceDate']
                          .astype(str) # <- cast to string to simplify
                                       #    .replace() in newer versions
                          .replace({'NaT': None} # <- replace with None
                         )