如何计算Pandas中含NaT的datetime列均值？解决两类报错问题

最近我在处理一个带datetime类型的DataFrame时遇到了麻烦，先给大家看下我的数据代码：

import pandas as pd
import datetime
import numpy as np

d = { 'DOB': pd.Series([ datetime.datetime(2014, 7, 9), datetime.datetime(2014, 7, 15), np.datetime64('NaT') ], index=['a', 'b', 'c']) }
df_test = pd.DataFrame(d)

本来想直接调用df_test['DOB'].mean()求均值，结果直接报错：

TypeError: reduction operation 'mean' not allowed for this dtype

我跑去Stack Overflow找解决方案，结果运行里面的函数时又碰上新错误：

OverflowError: Python int too large to convert to C long

折腾了半天，终于找到几个可行的办法，能得到预期的datetime.datetime(2014, 7, 12)结果，分享给大家：

可行解决方案 #

方法一：转成numpy时间戳计算均值 #

这个思路是把有效日期转成numpy的int64类型时间戳，计算均值后再转回来，完美避开溢出问题：

# 先过滤掉NaT，转成int64时间戳求均值
timestamp_mean = df_test['DOB'].dropna().astype(np.int64).mean()
# 转回到datetime类型
mean_date = pd.to_datetime(timestamp_mean)

print(mean_date.to_pydatetime())  # 输出: datetime.datetime(2014, 7, 12, 0, 0)

方法二：用时间差计算均值 #

如果担心时间戳的大整数问题，还可以用基准日期+时间差均值的方式：

# 取第一个有效日期当基准
base_date = df_test['DOB'].dropna().iloc[0]
# 计算所有日期和基准的时间差的均值
delta_mean = (df_test['DOB'].dropna() - base_date).mean()
# 基准日期加上时间差均值就是结果
mean_date = base_date + delta_mean

print(mean_date.to_pydatetime())  # 输出: datetime.datetime(2014, 7, 12, 0, 0)

方法三：升级Pandas直接调用mean（最简单） #

如果你用的是Pandas 1.1.0及以上版本，其实datetime类型的Series已经支持直接调用mean()了，默认会跳过NaT值，简直省心：

mean_date = df_test['DOB'].mean()

print(mean_date.to_pydatetime())  # 输出: datetime.datetime(2014, 7, 12, 0, 0)

要是你的Pandas版本太老，先升级一下：pip install --upgrade pandas

为啥之前的方案会溢出？ #

之前看到的旧方案很多是用Python原生的date.toordinal()把日期转成整数，一旦日期跨度很大，这个整数就会超出C long的范围，直接触发溢出错误。而上面的方法要么用numpy的int64（支持更大数值范围），要么用时间差计算，都绕开了这个坑。

内容的提问来源于stack exchange，提问作者Nick