Python 如何获取datetime64列和1582年10月14日（公历）之间的时间差（以秒为单位）？

我正在尝试将pandas dataframe转换为SPSS格式，但在转换datetime64变量时遇到问题

使用以下代码：

import pandas as pd

import datetime as dt

df['date1'] =  (df['date'] - pd.Timestamp('1582-10-15 00:00')).astype('timedelta64[s]')

或

我得到

超限纳秒时间戳：1582-10-15 00:00:00

错误

当我只是为了好玩而尝试使用1982时，它是有效的

我知道从1582年到1970年以及utc时间等时间段要进入新纪元是很困难的，但有简单的方法吗？

---

多谢各位

我相信

时间戳

会在这么早的日期中断，因为没有关于如何处理各种闰秒的记录，也没有什么记录。所以你得到的错误是时间最精确的分解。这是有道理的。这是说，对于这么久以前的一个日期来说，它不可能那么精确

解决方案 改用dt.datetime。它不需要那么高的精度

import pandas as pd

import datetime as dt

epoch = dt.datetime(1582, 10, 15)
date = dt.datetime(2016, 3, 31)

int((date - epoch).total_seconds())

使用来自以下方面的提示进行一些黑客攻击：

---

请参阅以了解如何处理越界时间df['epoch']=dt.datetime（1582,10,14）/df['date2']=int（（df['date']-df['epoch']）。total_seconds（）给出了相同的错误：越界时间：越界纳秒时间：1582-10-14 00:00:00我使用的解决方案是：df['DELTA_secs']=（dt.datetime（1970,1,1）-dt.datetime（1582,10,14））.total_seconds（）df['date0']=（df['date']-dt.datetime（1970,1,1））.astype（'timedelta64[s]'）df['date2']=df['xxdate0']+df['DELTA_secs']df=df.drop（['DELTA_secs'，'date0'，1）”，因此您得到的错误是对最精确时间的分解。”#在数百年的时间里精确到几秒钟，但不包括位置。。。

import pandas as pd

import datetime as dt

epoch = dt.datetime(1582, 10, 15)
date = dt.datetime(2016, 3, 31)

int((date - epoch).total_seconds())

df = pd.DataFrame(pd.date_range('2016-01-01', periods=5, freq = 'D'), columns = ['date'])
df
Out[291]: 
        date
0 2016-01-01
1 2016-01-02
2 2016-01-03
3 2016-01-04
4 2016-01-05

# PeriodIndex:
pi = pd.PeriodIndex(df['date'].astype(str), freq='s')
pi
Out[293]: 
PeriodIndex(['2016-01-01 00:00:00', '2016-01-02 00:00:00',
             '2016-01-03 00:00:00', '2016-01-04 00:00:00',
             '2016-01-05 00:00:00'],
            dtype='int64', freq='S')

# Period:
p0 = pd.Period('1582-10-15 00:00', freq='s')
p0
Out[295]: Period('1582-10-15 00:00:00', 'S')

# Then this is an Int64Index (in seconds):
idx = pi - p0
idx
Out[296]: Int64Index([13670899200, 13670985600, 13671072000, 13671158400, 13671244800], dtype='int64')
# idx.values gives a numpy array