Python 将负日期时间转换为NaT

我有两列：“Ask”和“Answeed”，但“Answeed”是一个对象，“Ask”是datetime64[ns]。因此我将“Answeed”转换为Datetime：

df['answered'] = pd.to_datetime(df['answered'])

index,  asked,    answered
0     2016-07-04  07/07/2016
1     2016-07-03  07/01/2016
2     2016-07-05  07/09/2016
3     NaT         NaN

然后，我制作了第三列，给出了两者之间的时间差：

df['Days']= df['answered'] - df['asked']

 index,     asked,    answered,    Days     
    0     2016-07-04  07/07/2016   3 days
    1     2016-07-03  07/01/2016   -2 days
    2     2016-07-05  07/09/2016   4
    3     NaT         NaN          NaT

在@piRSquared的帮助下，我试图将消极的日子变成NaT，但当我这样做时，什么也没发生：

df.update(df[['Days']].mask(df < 0))

df.update（df['Days']].mask（df<0））

我如何将消极的日子变成NaT？使用

然后，您可以使用

df.update(df[['Days', 'col2']].mask(df < 0))

df.update（df['Days'，'col2']].mask（df<0））

假设您想要获取所有属于timedelta的列

df.select_dtypes([np.timedelta]).mask(df < 0)

df.选择数据类型（[np.timedelta]）.mask（df<0）

更新

df.update(df.select_dtypes([np.timedelta64]).mask(df < 0))

df.update（df.select_数据类型（[np.timedelta64]）.mask（df<0））
For me works comapre
系列
（列）by
0 Timedelta
，然后通过或创建
NaT
：

未来警告：在未来，“NAT
我得到了“无效类型比较”。这是因为我有更多的列，而我只在这里放了这两个列吗？我尝试了这个，但没有任何效果：df.mask（df['Days']<0）由于某种原因仍然不起作用。当我打印出负数日期时，我得到：“-5天+00:00:00”“。您提供的解决方案不会抛出错误，但不会将负数转换为NaT。这个问题还有其他解决办法吗？@AdamSchroeder数据类型是什么？df.Days.dtype我得到这个：对不起，我的错误。我得到了这个：dtype（'谢谢@jezrael我已经为此工作了几个小时。你的解决方案和详细的解释真的帮了我的忙。
df.select_dtypes([np.timedelta]).mask(df < 0)

df.update(df.select_dtypes([np.timedelta64]).mask(df < 0))

mask = df['Days'] < pd.Timedelta(0)
df['Days'] = df['Days'].mask(mask)
print (df)
       asked   answered   Days
0 2016-07-04 2016-07-07 3 days
1 2016-07-03 2016-07-01    NaT
2 2016-07-05 2016-07-09 4 days
3        NaT        NaT    NaT

mask = df['Days'] < pd.Timedelta(0)
df.loc[mask, 'Days'] = np.nan
print (df)
       asked   answered   Days
0 2016-07-04 2016-07-07 3 days
1 2016-07-03 2016-07-01    NaT
2 2016-07-05 2016-07-09 4 days
3        NaT        NaT    NaT

print (df)
       asked   answered    Days   Days2
0 2016-07-04 2016-07-07  3 days  3 days
1 2016-07-03 2016-07-01 -2 days -2 days
2 2016-07-05 2016-07-09  4 days  4 days
3        NaT        NaT     NaT     NaT

df1 = df.select_dtypes([np.timedelta64])

#return wrong mask
m1 = df1 < pd.Timedelta(0)
print (m1)
    Days  Days2
0  False  False
1  False  False
2  False  False
3   True   True

#if comapre with apply by Series it works
m2 = df1.apply(lambda x: x < pd.Timedelta(0))
print (m2)
    Days  Days2
0  False  False
1   True   True
2  False  False
3  False  False

#compare numpy array works but warning 
m3 = df1.values < np.array(0, dtype=np.timedelta64)
print (m3)
[[False False]
 [ True  True]
 [False False]
 [ True  True]]

df[df1.columns] = df1.mask(m2)
print (df)
       asked   answered   Days  Days2
0 2016-07-04 2016-07-07 3 days 3 days
1 2016-07-03 2016-07-01    NaT    NaT
2 2016-07-05 2016-07-09 4 days 4 days
3        NaT        NaT    NaT    NaT