Python Pandas Groupby 删除日期时间列

Question

在包含间歇性 NaT 值的 DataFrame 上使用 groupby.median() 和 groupby.mean() 时遇到了一些问题。具体来说，我在数据集中有几列计算基于其他列的各种时间差。在某些情况下，不存在时差，导致 NaT 值类似于以下示例：

Group    Category    Start Time      End Time      Time Diff
  A         1        08:00:00.000    08:00:00.500      .500
  B         1        09:00:00.000    09:02:00.000  2:00.000
  B         1        09:00:00.000      NaT           NaT
  A         2        09:00:00.000    09:02:00.000  2:00.000
  A         2        09:00:00.000    09:01:00.000  1:00.000
  A         2        08:00:00.000    08:00:01.500     1.500

每当我运行 df.groupby(['Group', 'Category'].median() 或 .mean() 时，任何包含 NaT 的列都会从结果集中删除。我尝试了fillna，但 NaT 似乎仍然存在。作为附加的上下文，此脚本在旧版本的 Anaconda Python (1.x) 中正常工作。我最近能够将我的工作计算机升级到 2.0.1，此时此问题开始蔓延。

编辑：如果 NaT 是一个因素，我会将我对 NaT 的想法放在上面，但经过进一步审查，我的问题似乎实际上在于这些列是 timedelta64s 的事实。有谁知道在 timedeltas 上获得平均值/中位数的任何解决方法？

非常感谢您提供的任何见解！

Answer 1

经过进一步的谷歌搜索/实验后，我确认该问题似乎与 timedelta64 列有关。为了在这些列上执行pd.groupby，我首先将它们转换为浮点数，如下所示：

df['End Time'] = df['End Time'].astype('timedelta64[ms]') / 86400000

可能有一个更优雅的解决方案，但这让我能够继续我的分析。

谢谢！