python 中pandas的时间列赋值后类型出现问题，强制转换为datetime64类型时出现：mixed datetimes and integers in passed array错误

要对pandas中的[价格结束时间]列进行赋值，使用语句

df_goods.loc[df_middle, '价格结束时间'] = df_goods.loc[df_middle, '价格生效时间1'] - DateOffset(days=1)

其中df_middle是个条件语句执行后获得的bool列

打印出来发现 '价格结束时间'列中，满足df_middle条件的行的内容是一串数字，如：1573689600000000000，而不是时间格式，

列的类型也是object，不是datetime64类型。

原因：

    赋值前'价格结束时间'列中有时间格式的行，也有为空的行，不统一，导致赋值后，整个列的类型不统一

针对这个问题，在赋值后，使用语句

df_goods['价格结束时间']=df_goods['价格结束时间'].astype('datetime64')

强制转换为datetime64类型时出现：mixed datetimes and integers in passed array错误

解决办法：

对['价格结束时间']列进行赋值时，想了很多种类型转换的方法都无效，最终只能在赋值前，把该列所有内容都赋值为一个时间，

    df_goods['价格结束时间'] = pd.to_datetime('2099-01-01')

然后修改某些行的数据时，就不会出现类型错误

什么道理，没搞明白。