Python 列中缺少/NaT值时如何转换日期格式

我有两个日期列，我想将它们转换为月/日/年格式。假设test是日期列之一，下面的代码可以工作

dfq['test1'] = dfq['test1'].apply(lambda x: x.strftime('%m/%d/%Y'))

但当列中缺少值“NaT”时，它会显示错误 ValueError:NaTType不支持strftime。我创建了一个示例数据集，并故意将一个缺少的值保留为“”。在这种情况下，它也显示错误

我想保留丢失的或NaT值，因此无法删除它们。还有别的办法吗

另一个问题，如果我想同时转换所有的日期列（比如test1、test、test3），那么在使用lambda/strftime时有没有办法做到这一点？

您应该使用，它可以优雅地处理

NaT

：

import pandas as pd

s = pd.Series(['2018-01-01', 'hello'])

s = pd.to_datetime(s, errors='coerce')

# 0   2018-01-01
# 1          NaT
# dtype: datetime64[ns]

s = s.dt.strftime('%m/%d/%Y')

print(s)

# 0    01/01/2018
# 1           NaT
# dtype: object

---

关于你的第二个问题，我不相信

datetime

到

str

的转换可以矢量化。您可以轻松做到这一点：

for col in ['col1', 'col2', 'col3']:
    df[col] = df[col].dt.strftime('%m/%d/%Y')

或者更好：

for col in df.select_dtypes(include=['datetime']):
    df[col] = df[col].dt.strftime('%m/%d/%Y')

---

这里有另一个更灵活的解决方案，因为它也适用于

pd.style.format（）

，这正是我遇到问题的地方。只需将时间格式化程序包装在一个函数中并捕获错误，在抛出时返回

NaT

。然后，您可以在其中使用您想要的任何时间格式化功能

def format_time_nat(t, fmt='{:%d-%b-%y}'):
    try:
        return fmt.format(t) # or strftime
    except ValueError:
        return t

dfq['test1'] = dfq['test1'].apply(format_time_nat)

# when using pd.style.format()
colstyles = {
    'test1' : format_time_nat
}
dfq.style.format(colstyles)