如何在Pandas数据框中格式化包含pd.NaT的时间戳？

执行f'{pd.NaT:%Y}'时会直接报错，但f'{np.nan:.2f}'却能返回'nan'，核心原因是两者的格式化逻辑不同：

• np.nan作为浮点型缺失值，它的__format__方法内置了缺失值处理逻辑，格式化时会自动返回'nan'字符串；
• pd.NaT是pandas的缺失时间戳对象，它的__format__方法在遇到日期格式符时，会尝试对有效时间戳执行格式化操作，但缺失状态下无法完成该操作，因此直接抛出错误。

要实现类似np.nan的行为，有几种简单的解决方式：

方法一：自定义格式化函数 #

写一个小函数先判断是否为缺失值，再执行格式化：

import pandas as pd

def format_timestamp(ts, fmt):
    return ts.strftime(fmt) if pd.notna(ts) else 'NaT'

# 使用示例
result = f'{format_timestamp(pd.NaT, "%Y")}'
print(result)  # 输出 'NaT'

如果希望返回'nan'，只需把函数里的返回值改成'nan'即可。

方法二：利用pandas的dt属性格式化 #

将pd.NaT放入Series中，用dt.strftime处理，它会自动把缺失值转为NaN，转成字符串后就是'nan'：

result = f'{pd.Series([pd.NaT]).dt.strftime("%Y").iloc[0]}'
print(result)  # 输出 'nan'

方法三：f-string内直接做条件判断 #

如果不想额外写函数，也可以在f-string里直接完成缺失值判断：

ts = pd.NaT
result = f'{ts:%Y}' if pd.notna(ts) else 'NaT'
print(result)  # 输出 'NaT'

内容的提问来源于stack exchange，提问作者evan54