Pandas时间戳转换及空值处理
在Pandas数据处理中，将时间戳列转换为可读性更强的字符串格式是常见操作。然而，当遇到Pandas中的NaT（Not a Time）空值时，直接使用strftime方法会报错。本文介绍如何有效地进行时间戳转换并优雅地处理NaT空值。
问题：
从数据库读取的时间戳数据包含NaT空值，需要将其转换为'%Y-%m-%d'格式的字符串日期。使用lambda函数和strftime方法直接转换时，遇到NaT值会引发错误。原始代码示例：
my_fetchall['出厂日期'] = my_fetchall['出厂日期'].map(lambda x: x.strftime('%y-%m-%d'))
解决方案：
为了避免NaT值导致的错误，改进lambda函数，在转换前添加空值判断。如果是NaT，则返回None；否则，进行strftime转换。改进后的代码如下：
import pandas as pd
import numpy as np
# 示例数据
data = {
'出厂日期': [pd.Timestamp('2021-01-01'), pd.NaT, pd.Timestamp('2021-01-03')]
}
df = pd.DataFrame(data)
# 使用lambda函数，处理NaT空值
df['出厂日期'] = df['出厂日期'].map(lambda x: x.strftime('%Y-%m-%d') if pd.notna(x) else None)
print(df)
这段代码使用pd.notna(x)判断x是否为NaT。如果是NaT，返回None；否则，使用x.strftime('%Y-%m-%d')将时间戳转换为指定格式的字符串。 print(df)输出结果中，NaT值将显示为None。 注意，这里将格式字符串修正为'%Y-%m-%d'，以确保年份完整显示。
通过这种方法，可以安全有效地处理包含NaT空值的时间戳数据，并将其转换为所需的日期字符串格式。
