使dtypeobject

dfTest2 = pd.DataFrame(dict(InvoiceDate=pd.to_datetime(['2017-06-01', pd.NaT])))

dfTest2.InvoiceDate.astype(object).where(dfTest2.InvoiceDate.notnull(), None)

0    2017-06-01 00:00:00
1                   None
Name: InvoiceDate, dtype: object

我发现对我有效的最简单的解决方案是...

输入：

import pandas as pd
import numpy as np
dfTest = pd.DataFrame(dict(InvoiceDate=pd.to_datetime(['2017-06-01', pd.NaT]), CorpId=[2997373, np.nan], TestName=[1,1]))
dfTest.replace({np.nan: None}, inplace = True)

dfTest输出：

列类型先为str

dfTest2.InvoiceDate =  dfTest2.InvoiceDate.astype(str)

然后直接与“NaT”比较，替换为None

dfTest2.InvoiceDate = dfTest2.InvoiceDate.apply(lambda x : None if x=="NaT" else x)

与@neerajYadav建议的方法类似，但没有apply：

dfTest2['InvoiceDate'] = (dfTest2['InvoiceDate']
                          .astype(str) # <- cast to string to simplify
                                       #    .replace() in newer versions
                          .replace({'NaT': None} # <- replace with None
                         )

df.fillna(None)仅适用于np.na，而不适用于pd.NaT。但是，执行df.replace({np.nan: None})将pd.NaT和np.na替换为None。

# Initalize a sample dataframe
df = pd.DataFrame({
                    'start_date': pd.to_datetime(['2017-06-01', pd.NaT]), 
                    'amount':[2997373, np.nan]
                   })
display(df)

# Then replace pd.NaT and np.na with None
df = df.replace({np.nan: None})
display(df)

这看起来很奇怪，但对我很有效。Pandas版本14.1

import numpy as np

df = df.replace(np.NaN, 0).replace(0, None)

最后修改日期前NaT
LastModifiedDate后无

我在这里看到了其他几个类似的答案，尽管没有一个像这样简单：

df.replace([pd.NaT], [None])

如果你不想改变列的类型，那么另一种方法是先用np.nan替换所有缺失值（pd.NaT），然后用None替换后者：

import numpy as np

df = df.fillna(np.nan).replace([np.nan], [None])