NaTType does not support strftime

这个错误通常是因为你尝试对一个NaT（Not a Time）类型的值调用strftime函数，而NaT类型不支持strftime函数。

要解决这个问题，你可以先检查Series中是否存在NaT类型的值，可以使用isna()函数来检查。如果存在NaT类型的值，你可以使用fillna()函数将它们替换为一个默认的日期时间值（例如1970年1月1日），然后再使用strftime函数进行格式化。

例如，下面的代码会将Series中的NaT值替换为1970年1月1日，并将Series中的所有日期时间值格式化为"%Y-%m-%d %H:%M:%S"格式的字符串：

for i in time_col:
    order_May[i] = pd.to_datetime(order_May[i])
    order_May[i] = order_May[i].fillna(pd.to_datetime('1970-01-01'))
    order_May[i] = order_May[i].apply(lambda x: x.strftime("%Y-%m-%d %H:%M:%S"))

这将使用pd.to_datetime()函数将Series中的每个元素转换为日期时间类型，然后使用fillna()函数将NaT值替换为1970年1月1日，最后使用lambda函数将每个日期时间对象转换为格式化后的字符串。

相关问题

'NaTType does not support strftime'

这个错误通常是因为你尝试将一个 NaTType 类型的对象转换为字符串，而 NaTType 表示 "不是一个时间"，不能被格式化为字符串。这通常发生在 Pandas 数据框中，当某些日期值缺失时，Pandas 会将它们转换为 NaTType 类型。

为了避免这个错误，你可以在格式化之前检查日期值是否是 NaTType 类型，并在需要时进行特殊处理。例如，你可以使用 Pandas 的 `isnat()` 函数来检查一个日期值是否是 NaTType 类型，然后根据需要返回一个特殊值或字符串。

下面是一个示例代码：

import pandas as pd

df = pd.DataFrame({'date': ['2021-01-01', '2021-01-02', pd.NaT, '2021-01-04']})

for date in df['date']:
    if pd.isnat(date):
        print('Date is missing')
    else:
        print(date.strftime('%Y-%m-%d'))

在上面的示例中，我们首先创建了一个 Pandas 数据框，其中包含一些日期值，其中一个值是 NaTType 类型。然后，我们遍历了每个日期值，并使用 `pd.isnat()` 函数检查它是否是 NaTType 类型。如果是，我们打印一条消息表示日期缺失，否则我们将其格式化为字符串并打印出来。

上面修改后的代码还是会报错 NaTType does not support strftime

如果传进来的参数中有null值，将其过滤掉后，依然会因为存在`NaT`而导致`strftime`方法报错，因为`NaT`表示的是时间戳无效或不存在的情况。此时，我们可以在lambda表达式中增加判断，将值为`NaT`的数据过滤掉。

修改后的代码如下：

import pandas as pd
import numpy as np

def datetime_to_ddmmmyyyy(columnValue):
    return columnValue.map(lambda x: x.strftime("%d%b%Y").upper() if isinstance(x, pd.Timestamp) else None)

在lambda表达式中，我们增加了判断条件：如果x是一个`pd.Timestamp`类型的数据，则将其格式化为"%d%b%Y"的形式，并转换为大写字母。如果x不是一个`pd.Timestamp`类型的数据，即x为`NaT`或者`None`，则返回`None`。

这样，在对数据进行格式化的时候，就可以避免因为存在`NaT`而导致`strftime`方法报错的情况了。