使用掩码转换DataFrame字符串为日期时部分条目变为NaT的问题

现有如下结构的DataFrame：

Index Hour  type    Horizon      Day    BZ  Value   
0      1    ND       D-2    17-12-2022  FI  7258    
1      1    ND       D-1    16-12-2022  FI  3702    
2      1    ND       D-1    15-12-2022  FI  3702    
3      1    ND       D-1    14-12-2022  FI  3702    
4      1    ND       D-1    13-12-2022  FI  3702    
5      1    ND       D-1    10-12-2022  FI  3702    
6      1    Selected               7    FI  4885    

尝试用以下代码筛选type为'ND'的行，将Day列的字符串转为日期类型存入Day2列：

mask = df_long['type'] == 'ND'
df_long['Day2']= pd.to_datetime(df_long['Day'][mask],format='%d-%m-%Y')

但结果中不符合掩码条件的行（如type为Selected的行）的Day2值变为了NaT：

Index Hour  type    Horizon      Day    BZ  Value   Day2
0      1    ND       D-2    17-12-2022  FI  7258    2022-12-17 00:00:00
1      1    ND       D-1    16-12-2022  FI  3702    2022-12-16 00:00:00
2      1    ND       D-1    15-12-2022  FI  3702    2022-12-15 00:00:00
3      1    ND       D-1    14-12-2022  FI  3702    2022-12-14 00:00:00
4      1    ND       D-1    13-12-2022  FI  3702    2022-12-13 00:00:00
5      1    ND       D-1    10-12-2022  FI  3702    2022-12-10 00:00:00
6      1    Selected               7    FI  4885    NaT

希望不符合条件的行的Day2值保留Day列的原始内容，该如何解决？

方法1：用loc精准赋值 #

先将Day2列初始化为Day列的原始值，再仅对符合条件的行更新为转换后的日期：

# 初始化Day2为Day的原始值
df_long['Day2'] = df_long['Day']
# 筛选type为ND的行，转换日期并赋值给Day2
mask = df_long['type'] == 'ND'
df_long.loc[mask, 'Day2'] = pd.to_datetime(df_long.loc[mask, 'Day'], format='%d-%m-%Y')

这种方式逻辑直观，确保非目标行的Day2值完全保留原始数据。

方法2：用where条件替换 #

利用pandas的where方法，仅在掩码为True时使用转换后的日期，否则保留原数据：

mask = df_long['type'] == 'ND'
df_long['Day2'] = pd.to_datetime(df_long['Day'], format='%d-%m-%Y').where(mask, df_long['Day'])

where函数会根据掩码判断：满足条件时用转换后的日期，不满足时用Day列的原始值。

方法3：用apply逐行处理 #

通过自定义函数逐行判断并处理，适合复杂条件场景：

def process_day(row):
    if row['type'] == 'ND':
        return pd.to_datetime(row['Day'], format='%d-%m-%Y')
    return row['Day']

df_long['Day2'] = df_long.apply(process_day, axis=1)

注意：此方法在数据量较大时性能不如前两种，优先推荐前两种向量式操作。

内容的提问来源于stack exchange，提问作者Tom