Pandas中Timedelta.total_seconds结合apply的异常行为问询

首先给你两个快速可行的解决方法，帮你得到想要的NaN结果，顺利完成聚合操作：

方法1：使用Series的dt访问器（推荐） #

直接用dt.total_seconds()代替apply，它会自动把NaT转换成NaN，完全符合你的需求：

import pandas as pd
import numpy as np

test = pd.Series([np.datetime64('nat'), np.datetime64('nat')])
res = test.dt.total_seconds()
print(res)

输出结果：

0   NaN
1   NaN
dtype: float64

处理后再进行groupby聚合时，min、max、mean都会正确传播NaN，不会再触发DataError。

方法2：手动在apply中处理NaT #

如果因为某些场景必须使用apply，可以在自定义函数里判断元素是否为NaT，手动返回NaN：

res = test.apply(lambda x: x.total_seconds() if pd.notna(x) else np.nan)
print(res)

这个方法也能得到和标量调用一致的NaN结果。

为什么会出现这个差异？ #

这算不上严格意义上的"bug"，而是apply调用未绑定方法时的行为差异：

• 直接调用标量NaT的total_seconds()时，这是实例方法调用，Pandas会正确识别NaT为缺失值，返回NaN。
• 但用apply(pd.Timedelta.total_seconds)时，你传递的是pd.Timedelta类的未绑定方法，Pandas内部处理NaT时，会把它转换成底层的int64最小值（也就是-9.223372e+09），再调用方法，所以得到了异常数值。

关于是否是bug？ #

这个行为更像是设计上的不一致，Pandas社区可能已经注意到了该问题。建议你检查当前的Pandas版本，若使用的是较旧版本，可尝试升级到最新稳定版，看看该问题是否已被修复。

内容的提问来源于stack exchange，提问作者seanysull