如何计算含NaT的两个datetime数组的平均小数年份？

实现思路 #

先将每个Datetime值转换为小数年份（比如2009-07-03转换为2009 + 当年已过天数/当年总天数），再按照规则计算对应索引的平均值：

• 单个值为NaT（转换后为NaN）时，取非空值
• 两个均为NaT时，返回NaN
• 均非空时，取两者的平均值

完整代码实现 #

import pandas as pd
import numpy as np

# 1. 定义向量化的小数年份转换函数（效率远高于逐行apply）
def vec_datetime_to_decimal_year(dt_series):
    # 获取每个日期的年份
    year = dt_series.dt.year
    # 构造当年的起始和结束时间
    year_start = pd.to_datetime(year.astype(str) + "-01-01")
    year_end = pd.to_datetime((year + 1).astype(str) + "-01-01")
    # 计算当年总天数和日期已过天数
    total_days = (year_end - year_start).dt.days
    elapsed_days = (dt_series - year_start).dt.days
    # 返回小数年份
    return year + elapsed_days / total_days

# 2. 构造示例数据（替换为你的实际数组）
s1 = pd.Series([pd.Timestamp('2009-07-03'), pd.Timestamp('2009-07-03'), pd.Timestamp('2009-07-03'),
                pd.Timestamp('2003-02-07'), pd.Timestamp('2004-04-09'), pd.NaT],
               index=range(6))
s2 = pd.Series([pd.NaT, pd.NaT, pd.Timestamp('2015-04-12'),
                pd.Timestamp('2013-09-17'), pd.Timestamp('2014-02-19'), pd.NaT],
               index=range(6))

# 3. 将两个Datetime数组转换为小数年份
s1_decimal = vec_datetime_to_decimal_year(s1)
s2_decimal = vec_datetime_to_decimal_year(s2)

# 4. 按规则计算平均小数年份
average_decimal = pd.DataFrame({"s1": s1_decimal, "s2": s2_decimal}).mean(axis=1, skipna=True)

# 查看结果
print(average_decimal)

代码说明 #

1. 小数年份转换：采用向量化计算，避免逐行遍历，处理大规模数据时效率提升明显。
2. 平均值计算：利用DataFrame.mean(axis=1, skipna=True)自动适配规则：
   • 仅单个值非空时，直接返回该值
   • 两个值均非空时，返回算术平均值
   • 两个值均为空时，返回NaN（对应原数组的NaT）

内容的提问来源于stack exchange，提问作者Yoni Verhaegen