如何解决 Python Pandas DataFrame 的“超出纳秒时间戳”错误？答案

【问题标题】：How to work around Python Pandas DataFrame's "Out of bounds nanosecond timestamp" error?如何解决 Python Pandas DataFrame 的“超出纳秒时间戳”错误？
【发布时间】：2018-10-20 06:36:17
【问题描述】：

以下代码引发“Out of bounds nanosecond timestamp: 1452-04-15 00:00:00”错误。如果我将日期字符串替换为一些最近的日期，例如 2017-01-01，则相同的代码可以工作。

df=pd.DataFrame({'Date':np.arange('1452-04-15', '1519-05-02', dtype='datetime64[D]')})

此示例代码用于提供一种重现错误的简单方法。我真正想要完成的是将包含非常早日期的 csv 读取到数据框中，并将字符串日期转换为 np.datetime64[D] 或任何可比较的日期格式。

【问题讨论】：

投反对票的人能解释一下你为什么这么做吗？我不认为我的问题是重复的，而且我没有看到任何简单的方法可以将 [1677 年，2262 年] 之外的一系列日期字符串转换为类似日期时间的格式。

标签： python pandas date dataframe

【解决方案1】：

你需要period_range:

r = pd.period_range('1452-04-15', '1519-05-02')
print (r)
PeriodIndex(['1452-04-15', '1452-04-16', '1452-04-17', '1452-04-18',
             '1452-04-19', '1452-04-20', '1452-04-21', '1452-04-22',
             '1452-04-23', '1452-04-24',
             ...
             '1519-04-23', '1519-04-24', '1519-04-25', '1519-04-26',
             '1519-04-27', '1519-04-28', '1519-04-29', '1519-04-30',
             '1519-05-01', '1519-05-02'],
            dtype='period[D]', length=24488, freq='D')

df = pd.DataFrame({'Date' : r})
print (df.head())
        Date
0 1452-04-15
1 1452-04-16
2 1452-04-17
3 1452-04-18
4 1452-04-19

因为timestamp limitations:

In [66]: pd.Timestamp.min
Out[66]: Timestamp('1677-09-21 00:12:43.145225')

In [67]: pd.Timestamp.max
Out[67]: Timestamp('2262-04-11 23:47:16.854775807')

【讨论】：

谢谢！是否有一个函数可以将一系列日期字符串转换为 Period，类似于 pd.to_datetime？
@Jimbo - 是否可以使用来自this 的conv 函数？
谢谢。这是一种方法。但是如果 pandas 没有提供任何方便的内置方法来进行这种转换，我会感到震惊。
@Jimbo - 尚未实施。我猜是因为datetimes 经常被使用，periods 最稀有。
处理超出[1677年，2262年]范围的日期时间并不罕见？如果人们不使用period，他们会怎么做？