为什么 to_datetime 只为熊猫中的浮点列产生缺失值？

Question

我对 pandas 0.18.0 中的某些内容感到困惑。在我的输入 csv 数据中，一个字段应该包含日期为 YYYYMMDD 字符串，但有些行缺少或格式错误。我想将此列表示为日期时间，在可能的情况下使用日期，在没有的情况下缺失。

我尝试了几个选项，最让我受益的是在阅读表格时没有使用parse_dates（使用read_table），而是使用pandas.to_datetime(DataFrame['Seriesname'], errors='coerce',format='%Y%m%d') 强制转换。这对于数字不能代表日期的拼写错误（认为“20100231”，首先导入为int64 的列）或字符串根本不代表数字（认为“2o1oo228”，导入时的列object )。

当列仅包含数字但一个字段为空时，此过程不可靠。然后read_table 将整个列导入为float64（不是int64，它在numpy 中没有缺失值），上面的转换会产生所有缺失，即使对于数据有意义的行也是如此。

有没有办法解决这个问题？

Answer 1

最好的方法可能是完全避免floats。通过指定dtype 抢占read_table 中向数字的转换，相关列保留为object。 to_datetime 按预期处理。

HT：cmets 中的 BrenBarn。