全为pd.NaT的DataFrame列被识别为datetime类型，无法转换为timedelta类型的问题求助

最近用pandas处理数据时碰到了一个奇怪的问题，想跟大家请教下：

我有一个DataFrame，里面有一列min_latency，用来记录预测器达到的最低延迟。如果预测器运行失败，这个字段就没有有效值，会被设为pd.NaT。

但我发现一个问题：当我通过字典创建DataFrame，并且**所有行的min_latency值都是pd.NaT**的时候，这一列的数据类型会被识别为datetime64[ns]，而且我没办法直接把它转换成timedelta类型，会报错。

具体代码和报错情况如下：

import pandas as pd
df = pd.DataFrame([{'id': i, 'min_latency': pd.NaT} for i in range(10)])
print(df['min_latency'].dtype) # 输出结果：datetime64[ns]
df['min_latency'].astype('timedelta64[ns]') # 触发报错：TypeError: Cannot cast DatetimeArray to dtype timedelta64[ns]

有意思的是，如果这一列里哪怕存在一个有效的timedelta值，这个问题就不会出现，此时列的数据类型会自动被识别为timedelta64[ns]：

import pandas as pd
import datetime as dt
df = pd.DataFrame([{'id': i, 'min_latency': pd.NaT} for i in range(10)] + [{'id': -1, 'min_latency': dt.timedelta(seconds=3)}])
print(df['min_latency'].dtype) # 输出结果：timedelta64[ns]

有没有大佬知道这是为什么，以及该怎么解决全为NaT时无法转成timedelta的问题呀？

备注：内容来源于stack exchange，提问作者David Davó