Python 数据时间超出存在NAN的日期、小时和分钟列（熊猫）。是否有管理此类数据的通用解决方案？

为了从包含日期、小时和分钟的三列中得到一列datetime列，我在管理和组合列时遇到了一些问题

假设以下df（复制并键入df==pd.read_clipboard（）进行复制）的类型如下所示：

>>>df
         date  hour  minute
0  2021-01-01   7.0    15.0
1  2021-01-02   3.0    30.0
2  2021-01-02   NaN     NaN
3  2021-01-03   9.0     0.0
4  2021-01-04   4.0    45.0

>>>df.dtypes
date       object
hour      float64
minute    float64
dtype: object

我想用一个名为“datetime”的列替换这三个列，我尝试了一些方法，但我面临以下问题：

我首先创建一个'time'列

df['time']=（pd.to_datetime（df['hour'，unit='h'）+pd.to_timedelta（df['minute'，unit='m'））.dt.time

，然后我尝试将它与'datetime'列

df['datetime']=df['datetime'+'+'+df['time']

（目的是将'datetime'列

pd.转换为

。但是，我

TypeError:只能将str（而不是“datetime.time”）连接到str

如果我将“hour”和“minute”转换为

str

以将三列连接为“datetime”，那么我将面临

NaN

值的问题，这会阻止我将“datetime”转换为相应的类型

我还尝试先将'date'列

df['date']=df['date'].astype（'datetime64[ns]'）

，然后再次创建'time'列

df['time']=（pd.to_datetime（df['hour']，unit='h'）+pd.to_timedelta（df['minute']，unit='m'））.dt.time

将两者结合起来：

df['datetime']=pd.datetime.combine（df['date']），df']['time']）

然后返回

TypeError:combine（）参数1必须是datetime.date，而不是Series

伴随着警告

FutureWarning:pandas.datetime类已弃用，将在将来的版本中从pandas中删除。请改为从datetime模块导入。

是否有一个通用的解决方案来组合这三列并忽略NaN值（假设它可以返回00:00:00）

如果我有一行包含所有

NaN

值怎么办？是否可以忽略所有NaN，并且此行的“datetime”为NaN

---

提前谢谢，^ ^ ^

首先将

日期

转换为日期时间，然后添加小时和分钟时间增量，并替换缺少的值到

0时间增量

：

td = pd.Timedelta(0)
df['datetime'] = (pd.to_datetime(df['date']) + 
                  pd.to_timedelta(df['hour'], unit='h').fillna(td) + 
                  pd.to_timedelta(df['minute'], unit='m').fillna(td))

print (df)
         date  hour  minute            datetime
0  2021-01-01   7.0    15.0 2021-01-01 07:15:00
1  2021-01-02   3.0    30.0 2021-01-02 03:30:00
2  2021-01-02   NaN     NaN 2021-01-02 00:00:00
3  2021-01-03   9.0     0.0 2021-01-03 09:00:00
4  2021-01-04   4.0    45.0 2021-01-04 04:45:00

或者您可以与

fill\u value=0一起使用：

df['datetime'] = (pd.to_datetime(df['date'])
                    .add(pd.to_timedelta(df['hour'], unit='h'), fill_value=0) 
                    .add(pd.to_timedelta(df['minute'], unit='m'), fill_value=0))

我建议将小时和分钟列转换为字符串，并从提供的组件构造datetime字符串

从逻辑上讲，您需要执行以下步骤：

步骤1。用零填充小时和分钟的缺失值

df['hour'] = df['hour'].fillna(0)
df['minute'] = df['minute'].fillna(0)

步骤2。将小时和分钟的浮点值转换为整数，因为您的最终输出应该是2021-01-01 7:15，而不是2021-01-01 7.0:15.0

df['hour'] = df['hour'].astype(int)
df['minute'] = df['minute'].astype(int)

步骤3。将小时和分钟的整数值转换为字符串表示形式

df['hour'] = df['hour'].astype(str)
df['minute'] = df['minute'].astype(str)

第4步。将日期、小时和分钟合并为一列，格式正确

df['result'] = df['date'].str.cat(df['hour'].str.cat(df['minute'], sep=':'), sep=' ')

步骤5。将结果列转换为datetime对象

pd.to_datetime(df['result'])

也可以在一个命令中完成所有这些步骤，尽管它会读起来有点混乱：

df['result'] = pd.to_datetime(df['date'].str.cat(df['hour'].fillna(0).astype(int).astype(str).str.cat(df['minute'].fillna(0).astype(int).astype(str), sep=':'), sep=' '))

结果:

   date         hour  minute              result
0  2020-01-01   7.0    15.0 2020-01-01 07:15:00
1  2020-01-02   3.0    30.0 2020-01-02 03:30:00
2  2020-01-02   NaN     NaN 2020-01-02 00:00:00
3  2020-01-03   9.0     0.0 2020-01-03 09:00:00
4  2020-01-04   4.0    45.0 2020-01-04 04:45:00

非常感谢，也适用于所有南部！我希望我也能思考清楚。。。