pd.to_datetime() 不适用于旧日期

当尝试使用 pd.to_datetime() 转换 pandas DataFrame 的“Date”字段时，仅当日期在 1700 年之前时，我才会收到“OutOfBoundsDatetime”错误（否则转换工作正常）。有帮助吗？

df = pd.read_excel('Timeline_SecondMillenialH2.xlsx')
df['Date'] = pd.to_datetime(df['Date'], format='%Y-%m-%d')

Excel 文件的前 2 条记录供参考：

错误：

OutOfBoundsDatetime: Out of bounds nanosecond timestamp: 1516-01-01 00:00:00

你遇到的错误是因为 Pandas 默认使用 datetime64[ns] 数据类型，它支持的时间范围有限（大约在 1677 年到 2262 年之间）。你的 Excel 文件包含早于此范围的日期，因此会出现 OutOfBoundsDatetime 错误。

解决此问题的方法是使用 to_datetime() 函数的 errors 参数，将其设置为 'coerce' 。这将把超出范围的日期转换为 NaT （Not a Time），让你可以继续处理数据。

以下是修改后的代码：

df = pd.read_excel('Timeline_SecondMillenialH2.xlsx')
df['Date'] = pd.to_datetime(df['Date'], format='%Y-%m-%d', errors='coerce')

替代方法：

如果你需要对这些早于 1677 年的日期进行计算或分析，可以使用 datetime 模块来处理它们。你可以在将数据加载到 Pandas DataFrame 之后，将日期字符串转换为 datetime.datetime 对象。

import datetime

df = pd.read_excel('Timeline_SecondMillenialH2.xlsx')
df['Date'] = df['Date'].apply(lambda x: datetime.datetime.strptime(x, '%Y-%m-%d'))

请注意，使用 datetime.datetime 对象可能会影响性能，因为 Pandas 无法像使用 datetime64[ns] 数据类型那样对其进行优化。

希望这有帮助！