含NaN的Timestamp列计算天数差报错TypeError的解决方法

你遇到的错误是因为col2的类型为float64（初始值是[np.nan]），而col1是datetime64[ns]类型，不同类型的数组相减会触发TypeError。另外，pandas中时间类型的缺失值需要用NaT（Not a Time），而非普通的np.nan。

先把col2转换为datetime类型，让np.nan自动转为NaT，再执行相减操作即可——此时包含NaT的位置计算结果会自动返回NaN，完全符合你的需求。

修改后的代码：

import numpy as np
import pandas as pd

d1 = {'col1':  pd.Timestamp(2017, 1, 1, 12), 'col2' : [np.nan]}
x = pd.DataFrame(d1)

# 将col2转为datetime类型，np.nan会自动转为NaT
x['col2'] = pd.to_datetime(x['col2'])
# 计算天数差，自动处理NaT为NaN
x['col3'] = (x['col2'] - x['col1']).dt.days.astype('Int64')

print(x)

• 用pd.to_datetime转换后，col2的类型变为datetime64[ns]，和col1类型一致，相减会得到Timedelta类型的结果。
• 最后转类型时用Int64（大写I）而非int64，因为int64无法存储NaN，Int64是pandas的可空整数类型，能兼容NaN值。如果不需要整数类型，也可以去掉.astype('Int64')，结果会是float类型的天数。

内容的提问来源于stack exchange，提问作者sergey_208