如何筛选Pandas中date_closed非NaT行？NaT相关疑问

1. 如何筛选出date_closed列不为NaT的行？ #

有几种简单易用的方法：

• 方法一：使用notna()方法
  直接通过布尔索引精准筛选：

  filtered_df = df[df['date_closed'].notna()]
  

• 方法二：使用dropna()方法
  指定删除date_closed列中带缺失值的行：

  filtered_df = df.dropna(subset=['date_closed'])
  

两种方法效果一致，选你顺手的用就行~

2. NaT是什么？它是否等同于Null？ #

• NaT的本质：NaT是Not a Time的缩写，是Pandas（以及底层的NumPy）专门为datetime64[ns]、timedelta64[ns]这类时间相关数据类型设计的缺失值标记。类比一下：数值类型的缺失值是NaN，时间类型的缺失值就是NaT。
• 和Null的关系：从逻辑含义上来说，它和一般的Null（比如Python里的None、数据库中的Null）是类似的，都代表“缺失或不存在的值”，但数据类型完全不同：
  • None是Python对象类型的缺失值，没法直接放在datetime64类型的列中；
  • NaT是专为时间序列打造的，只能用于datetime64或timedelta64类型的列，属于NaN家族的一员，只是对应的数据场景不同。

3. 为什么df['date_closed'].value_counts()里看不到NaT？ #

这是因为value_counts()的默认参数dropna=True，这个参数会自动忽略所有缺失值（包括NaT和NaN）。如果想要把NaT也纳入统计，只需要把dropna参数设为False：

df['date_closed'].value_counts(dropna=False)

这样就能看到包含NaT在内的所有唯一值的计数结果了。

内容的提问来源于stack exchange，提问作者HHH