在将以下逻辑链捆绑在一起时，我遇到了一些麻烦：
np.where(df['date3'].isnull(), np.busday_count(df['date2'], df['date1'], holidays=my_holidays),
np.busday_count(df['date3'], df['date1'], holidays=my_holidays))
这是一个示例：
date1 date2 date3
2019-01-31 2019-02-01 None
2019-01-31 2019-02-01 None
2019-02-28 2018-10-03 2019-02-28
2019-02-28 2018-10-03 2019-02-28
2019-02-28 2018-10-03 2019-02-28
简要背景-date3列具有一些空值。我试过转换为日期时间，然后在每个日期列之后使用.dt.date运行此功能。我已经在上面的方式中尝试过日期为“ 2019-01-31”类型的日期。两者都给我ValueError: Cannot compute a business day count with a NaT (not-a-time) date when trying from the string versions of the dates，ValueError: cannot convert float NaN to integer when trying after converting to datetime。
从在线阅读开始，看来问题是由于one date列中的空值所引起的，无论我是作为字符串保留且null为None，还是当我转换为null变为{{1}的datetime时}，与NaT函数结合使用的大熊猫语法糖。
是否有更简单的方法来完成此操作？理想情况下，由于要遍历整个数据帧需要时间，因此我会尽量避免for循环。
我能够通过蛮力完成此任务，但我想知道如何在不遍历整个数据帧的情况下实现此目标。
答案 0 :(得分：-1)
当我想使用busday_count（）函数时，即使我使用when（）函数，我也面临着同样的问题，但是它似乎仍然适用于整列，并且由于Nat值而失败。 对我而言，有效的方法是在where（）函数之前将Nat值替换为0。
df['date3']= df['date3'].fillna(0)
然后在where()之类的条件下使用== 0 or >= 0函数，它对我有用。
，然后将该列从0改回到Nat。
这不是一个干净的解决方案，但它是什么。
希望如此。
此问题是where()函数中的多个条件“＆”不起作用，但看来情况并非如此。