如何将含NaT的Pandas datetime Series转为保留空值的Int64纳秒时间戳

首先创建包含NaT的datetime类型Series：

import pandas as pd

t = pd.date_range('2022-01-01', '2022-01-02', freq='4H').to_series('t')
t.iat[2] = None

该Series的输出为：

2022-01-01 00:00:00   2022-01-01 00:00:00
2022-01-01 04:00:00   2022-01-01 04:00:00
2022-01-01 08:00:00                   NaT
2022-01-01 12:00:00   2022-01-01 12:00:00
2022-01-01 16:00:00   2022-01-01 16:00:00
2022-01-01 20:00:00   2022-01-01 20:00:00
2022-01-02 00:00:00   2022-01-02 00:00:00
Freq: 4H, dtype: datetime64[ns]

需求是将其转换为Unix纪元以来纳秒数的整数时间戳，同时保留原数据中的NaT为空值，预期输出如下：

2022-01-01 00:00:00    1640995200000000000
2022-01-01 04:00:00    1641009600000000000
2022-01-01 08:00:00                   <NA>
2022-01-01 12:00:00    1641038400000000000
2022-01-01 16:00:00    1641052800000000000
2022-01-01 20:00:00    1641067200000000000
2022-01-02 00:00:00    1641081600000000000
Freq: 4H, dtype: Int64

尝试过的无效方法 #

• 直接转换为Int64类型：

  t.astype(pd.Int64Dtype())  # 报错：datetime64[ns] cannot be converted to IntegerDtype
  

• 先转float再转Int64：

  t.astype(float).astype(pd.Int64Dtype())  # 报错：Cannot cast DatetimeArray to dtype float64
  

• 使用timestamp()方法：

  t.map(lambda t: t.timestamp()).astype(pd.Int64Dtype())  # 报错：NaTType does not support timestamp
  

• 使用map并忽略空值：

  t.map(lambda t: t.timestamp(), na_action='ignore').astype(pd.Int64Dtype())  # 报错：'values' contains non-numeric NA NaT
  

现有可行但不够优雅的方法 #

((t - pd.Timestamp(1970, 1, 1)).dt.total_seconds() * 1e09).astype(pd.Int64Dtype())

符合Pandas惯用风格的解决方案 #

利用Pandas datetime类型的.dt.asi8属性，它直接返回自Unix纪元（1970-01-01）以来的纳秒数整数，对于NaT会返回NaN，之后只需转换为支持空值的Int64Dtype即可：

t.dt.asi8.astype(pd.Int64Dtype())

执行后得到的结果完全符合预期输出，代码更简洁且符合Pandas的设计风格。

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