Pandas 如何测试一个变量是否为 pd.NaT

在本文中，我们将介绍如何测试 Pandas 中的一个变量是否为 pd.NaT。Pandas 中的 pd.NaT 是指一个特殊的时间戳，它表示缺失的或无效的时间值。在数据分析中，经常需要判断一个变量是否为 pd.NaT，以便进行数据清洗和处理。

阅读更多：Pandas 教程

什么是 pd.NaT？

pd.NaT 是 Pandas 中的一个数据类型，它表示缺失的或无效的时间值。pd.NaT 是 Pandas 中的一个特殊值，它与 Python 中的 None 类似，但是只用于时间戳类型。pd.NaT 可以与 datetime 类型进行比较，但是与字符串类型不兼容。下面是一个示例代码：

import pandas as pd

dt1 = pd.to_datetime('2020-01-01')
dt2 = pd.to_datetime('2020-01-15')
dt3 = pd.to_datetime('2020-01-20')
dt4 = pd.to_datetime('2020-01-xx', errors='coerce')

print(dt1)
print(dt2)
print(dt3)
print(dt4)

if dt4 == pd.NaT:
    print('dt4 is pd.NaT')
else:
    print('dt4 is not pd.NaT')

输出结果如下：

2020-01-01 00:00:00
2020-01-15 00:00:00
2020-01-20 00:00:00
NaT
dt4 is pd.NaT

可以看到，pd.NaT 可以用于比较和判断，并且与缺失值相等。

如何测试一个变量是否为 pd.NaT？

测试一个变量是否为 pd.NaT 可以使用 pd.isna() 和 pd.isnull() 函数。这两个函数可以判断一个时间戳是否为空或缺失值，包括 pd.NaT 值。下面是一个示例代码：

import pandas as pd

dt1 = pd.to_datetime('2020-01-01')
dt2 = pd.to_datetime('2020-01-15')
dt3 = pd.to_datetime('2020-01-20')
dt4 = pd.to_datetime('2020-01-xx', errors='coerce')

print(pd.isna(dt1))
print(pd.isnull(dt2))
print(pd.isna(dt3))
print(pd.isnull(dt4))
print(pd.isna(pd.NaT))
print(pd.isnull(pd.NaT))