如何在不使用Pandas的情况下创建等效于numpy.nan的日期时间对象？

给定一个数字数据的numpy数组，可以检索与特定条件匹配的数组索引。通过接受np.nan的type ，这些条件仍然可以得到满足。我想使用类似的方法使用日期时间对象而不是数字数据。

例如，请考虑以下内容：

import numpy as np
import datetime

# sample data
x = np.linspace(-5, 5, 11).astype(int)
y = x**2
z = y.copy().astype(float)
z[0] = np.nan

# check that nan condition is correctly satisfied
print("\nZ:\n{}\n".format(z))
print("\nZ > 0:\n{}\n".format(z > 0))
print("\nZ <0:\n{}\n".format(z <0))
print("\nZ = 0:\n{}\n".format(z == 0))

# get number of elapsed hours between two datetime objects
dt0 = datetime.datetime(2018, 1, 11, 23, 59, 59)
dt1 = datetime.datetime(2018, 1, 12, 23, 59, 59)
hr_delta = (dt1 - dt0).total_seconds() // 3600
print("\n{} - {} = {} hours".format(dt1, dt0, hr_delta))

由于np.nan - 5 = np.nan，使用该想法创建无效的datetime对象对我来说非常方便。然而，datetime对象需要类型的输入，而np.nan是type 。下面的示例重新创建了我的问题的根源：

# attempt to instantiate invalid datetime object
dt2 = datetime.datetime(np.nan, 1, 11, 23, 59, 59)

哪个抛出TypeError: integer argument expected, got float。如本替代文章中所建议的，有没有一种方法可以不使用熊猫呢？为了明确起见，我的目标是创建一个无效的datetime对象，以使其与有效datetime对象的减法或加法返回类似nan的值。

熊猫所做的任何事情通常都是Numpy所做的。

在这种情况下，您需要存储正确的类型，不是datetime，而是np.datetime64。拥有此类型后，可以使用填充NaT值，np.datetime64("NaT")然后使用np.isnat来测试某个值是否为时间。

datetime本身并没有提供“不是时间”的概念，您必须使用一个可以的类型。您应该能够以np.datetime64接近方式将其用作datetime。