pandas DataFrame忽略NaT获取datetime.date类型日期最小值方法

可行实现方案 #

你可以通过行级apply自定义过滤逻辑实现需求，该方案完全兼容超出datetime64[ns]范围的原生Python date对象：

# 选择需要计算最小值的日期列
date_cols = ["DATE_1", "DATE_2", "NO_DATE"]
# 每行过滤掉pd.NaT后计算最小值
df2["min_date"] = df2[date_cols].apply(
    lambda row: min(val for val in row if pd.notna(val)),
    axis=1
)

如果需要兼容整行全为pd.NaT的场景，避免空序列求min抛出报错，可以调整为以下写法：

# 全为NaT的行默认返回pd.NaT
df2["min_date"] = df2[date_cols].apply(
    lambda row: min((val for val in row if pd.notna(val)), default=pd.NaT),
    axis=1
)

原逻辑异常原因 #

你遇到的问题是因为列中同时存在原生Python date对象和pd.NaT时，pandas会将列的dtype识别为object类型，内置min方法的skipna参数无法正确识别object类型中的pd.NaT，才会返回错误的NaN结果。
手动apply的逻辑直接基于原生date对象的比较规则计算最小值，没有datetime64[ns]的日期范围限制，同时会主动过滤所有pd.NaT值，完全符合需求。

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