在Pandas DataFrame中插入行时NaN转为NaT的原因及解决方法

• 弃用的append方法类型推断缺陷：append在pandas 2.0+版本已被正式弃用，该方法传入字典构造新行时的类型兼容逻辑存在问题，会错误对不同列的取值做跨列类型推断，导致数值列的np.nan被错误和时间类型做兼容处理，最终数值列被降级为object类型，甚至出现NaN被转为NaT的异常表现。
• 直接向datetime列插入np.nan会破坏类型：datetime类型的合法空值为NaT，np.nan本身属于浮点类型，直接插入datetime列会触发整列转为兼容多类型的object类型。

方案1：单行插入（需手动指定新行时间） #

弃用append方法，改用pd.concat拼接类型匹配的新行DataFrame：

from datetime import timedelta
import pandas as pd

date2 = date1 + timedelta(seconds=300)
# 构造和原df结构、列类型完全匹配的新行DataFrame
new_df = pd.DataFrame([[date2, np.nan, np.nan]], columns=df.columns)
df = pd.concat([df, new_df], ignore_index=True)

方案2：自动补全所有5分钟间隔缺失行（适配业务场景） #

针对你需要补全固定间隔时间序列的需求，直接使用时间索引重采样的方法更高效，无需手动遍历查找缺失时间点：

# 将date列设为时间索引，按5分钟频率自动补全所有缺失时间点，数值列默认填充NaN
df = df.set_index("date").asfreq("5T").reset_index()

执行任意方案后查看df.dtypes，可确认date列保持带时区的datetime类型，a、b列保持float64类型，空值为标准NaN，完全符合预期。

内容的提问来源于stack exchange，提问作者Francois