如何将含无效值的Pandas Series转换为Timestamp，无效值设为None

方法一：自定义函数结合异常捕获 #

针对你的需求，可以给apply传入带异常处理的自定义函数，遇到无法解析的无效值时返回None：

import datetime
import pandas as pd

def convert_to_timestamp(date_str):
    try:
        # 按指定格式解析字符串并转为时间戳
        return datetime.datetime.strptime(date_str, "%Y-%m-%d %H:%M:%S").timestamp()
    except (ValueError, TypeError):
        # 格式错误或非字符串值时返回None
        return None

# 应用函数到Series
series = series.apply(convert_to_timestamp)

方法二：使用Pandas原生方法（更高效） #

如果数据集较大，推荐用Pandas内置方法，性能更优：

import pandas as pd

# 第一步：将字符串转为datetime类型，无效值转为NaT（Not a Time）
datetime_series = pd.to_datetime(series, format="%Y-%m-%d %H:%M:%S", errors="coerce")

# 第二步：将datetime转为时间戳，NaT对应转为None
series = datetime_series.apply(lambda x: x.timestamp() if pd.notna(x) else None)

若可以接受用NaN代替None，第二步可简化：

# 利用Pandas datetime的纳秒级存储，除以1e9转为秒数，NaT会自动变成NaN
series = datetime_series.view('int64') // 10**9

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