使用pandas.to_datetime转换空值是不可预测的。

Question

为什么在 pandas 的 to_datetime 和 to_numeric 中，None 值的处理方式不同（前者不可预测，后者可预测）？

import pandas as pd

VALUE = None

print(pd.to_datetime(VALUE))
print(pd.to_numeric(VALUE))

print(pd.__version__)    

返回值

None
nan
0.23.4

为什么pd.to_datetime(None)不等于pd.NaT？

- dinya

---

对于 VALUE = [None]，您看到了什么？ - jpp

pd.to_datetime([None]) 返回 DatetimeIndex(['NaT'], dtype='datetime64[ns]', freq=None), 但是 pd.to_numeric([None]) 返回 array([nan])（仍然可预测） - dinya

Answer 1

简短的回答是在datetimes.py中pd.to_datetime包含以下内容：pd.to_datetime。

if arg is None: 
    return None

为什么做出这种设计选择是一个更好的问题，应该直接向Pandas开发人员询问，例如，您可以在Github上提出问题。

正如您所发现的，使用列表或系列进行处理，即通常的用例是一致的：

VALUE = [None]

pd.to_datetime(VALUE)  # DatetimeIndex(['NaT'], dtype='datetime64[ns]', freq=None)
pd.to_numeric(VALUE)   # [ nan]

作为解决方法，对于标量，我建议您使用pd.Timestamp：

pd.Timestamp(None)     # NaT

- jpp

---

在我的情况下（该函数是转换器字典的元素），我应该使用“lambda x: pd.NaT if x is None else pd.to_datetime(x, errors="coerce")”。 - dinya