解决“OverflowError：int64 加法中的溢出”

Question

我在 Pandas 中工作，试图减去两列日期以获得它们之间的时间长度（最好以月为单位，但任何更小的单位都可以）。我的原始数据框有超过 90,000 行，因此我正在使用大约 2,000 行的数据框的修剪版本。这是个坏消息，因为我在 SMALLER 数据帧上遇到了过大的问题（我认为？？？）。

这是我的数据头：

     Variety        CropYear      DatePurchased         birthDate
0  AU Vic Secret™      2014  2016-03-01 23:51:27.822    2016-03-01
1  AU Vic Secret™      2014  2016-03-02 22:22:33.285    2016-03-01
2  AU Vic Secret™      2014  2016-03-04 17:03:33.247    2016-03-01
3  AU Vic Secret™      2014  2016-03-04 20:09:35.840    2016-03-01
4  AU Vic Secret™      2014  2016-03-07 14:09:36.502    2016-03-01

这是我得到的错误：

OverflowError：int64 加法中的溢出

data["birthDate"] = pd.to_datetime(data["birthDate"])

data["DatePurchased"] = pd.to_datetime(data["DatePurchased"])

data["Age"] = data["DatePurchased"] - data["birthDate"]

然后我尝试将.dt.date 添加到前两行，因为我在该站点的另一篇文章中看到了它，并盲目地希望它会起作用。它产生了这个错误

OverflowError: Python int 太大而无法转换为 C long

data["birthDate"] = pd.to_datetime(data["birthDate"]).dt.date

data["DatePurchased"] = pd.to_datetime(data["DatePurchased"]).dt.date

data["Age"] = data["DatePurchased"] - data["birthDate"]

这些错误是什么意思？我该如何解决这些问题，尤其是对于 90-10 万行的数据框？

Answer 1

计算天数，而不是像当前那样减去 2 个日期时间列时得到的较长格式“0 天 ...”：

df = pd.DataFrame({'DatePurchased':['2016-03-01 23:51:27.822', '2016-03-02 22:22:33.285', '2020-05-20 03:52:12.739'], 'birthDate': ['2016-03-01', '2016-03-01', '2019-08-01']})

df['DatePurchased'] = pd.to_datetime(df['DatePurchased'], infer_datetime_format=True)
df['birthDate'] = pd.to_datetime(df['birthDate'], infer_datetime_format=True)

df['Age'] = df['DatePurchased'] - df['birthDate']
df['Age_days'] = (df['DatePurchased'] - df['birthDate']).dt.days

注意年龄格式的区别：

            DatePurchased  birthDate                      Age  Age_days
0 2016-03-01 23:51:27.822 2016-03-01   0 days 23:51:27.822000         0
1 2016-03-02 22:22:33.285 2016-03-01   1 days 22:22:33.285000         1
2 2020-05-20 03:52:12.739 2019-08-01 293 days 03:52:12.739000       293