使用np.where处理pandas datetime列返回object dtype是否符合预期？

当你用np.where处理pandas datetime列时，因为传入的替换值是单个pandas Timestamp标量，而原列是datetime64[ns]类型的Series，np.where会将两者混合后返回object类型的numpy数组——numpy无法将Timestamp标量和datetime64数组元素统一为datetime64类型，只能退而求其次用object类型容纳不同对象。

以下是几种高效的解决方法，按推荐优先级排序：

1. 用pandas原生fillna（最简洁） #

这是处理datetime列缺失值的最优方式，原生支持保持datetime类型：

# 直接赋值写法
example_df["same_time"] = example_df["time"].fillna(pd.to_datetime('1900-01-01 00:00:00'))

# 链式处理写法
example_df = example_df.assign(
    same_time=lambda df_: df_["time"].fillna(pd.to_datetime('1900-01-01 00:00:00'))
)

2. 让np.where的替换值与原列类型匹配 #

确保替换值和原列的元素类型一致，让np.where能返回datetime64类型的数组：

# 方案2.1：将替换值转为numpy datetime64类型
replace_val = np.datetime64('1900-01-01 00:00:00')
example_df["same_time"] = np.where(example_df["time"].isna(), replace_val, example_df["time"])

# 方案2.2：将替换值转为同长度的datetime Series
replace_series = pd.Series(
    [pd.to_datetime('1900-01-01 00:00:00')]*len(example_df),
    dtype='datetime64[ns]'
)
example_df["same_time"] = np.where(example_df["time"].isna(), replace_series, example_df["time"])

3. 生成后强制转换类型 #

如果坚持用np.where，可在生成后强制转回datetime类型：

example_df["same_time"] = np.where(
    example_df["time"].isna(),
    pd.to_datetime('1900-01-01 00:00:00'),
    example_df["time"]
).astype('datetime64[ns]')

内容的提问来源于stack exchange，提问作者Balthazar