Python 熊猫出界时间戳工作

我正在尝试将一个表从一个sql server写入另一个sql server。有些日期值在未来很遥远（9000+年）。熊猫抛出错误：

越界时间：越界纳秒时间戳：9017-11-10 00:00:00

尝试写入或执行列上的pd.to_datetime（）函数时。我宁愿在写之前不将列转换为字符串，并且希望有某种方法来处理如此遥远的日期

---

从我所做的谷歌搜索来看，熊猫似乎确实是有意这样做的。我不得不相信还有一个替代方案，因为没有遥远日期的限制（特别是当数据库可以很好地处理它时）似乎非常重要。

上述函数通过将其设置为支持的最大日期来处理越界

def date_include(dataframe):
    dataframe1=dataframe.str.split(" ", n = 1, expand = True)[0]
    dataframe2=dataframe.str.split(" ", n = 1, expand = True)[1]
    dataframe1=pd.to_numeric(dataframe1.str.replace('-',''),errors='coerce')
    dataframe1.loc[dataframe1>22620411]=22620411
    dataframe1=pd.to_datetime(dataframe1,format="%Y%m%d")
    date=dataframe1.astype(str)+" "+dataframe2
    return date

---

上述函数通过将其设置为支持的最大日期来处理越界

def date_include(dataframe):
    dataframe1=dataframe.str.split(" ", n = 1, expand = True)[0]
    dataframe2=dataframe.str.split(" ", n = 1, expand = True)[1]
    dataframe1=pd.to_numeric(dataframe1.str.replace('-',''),errors='coerce')
    dataframe1.loc[dataframe1>22620411]=22620411
    dataframe1=pd.to_datetime(dataframe1,format="%Y%m%d")
    date=dataframe1.astype(str)+" "+dataframe2
    return date

---

事实上，pandas在其所有datetime中都使用np datetime 64表示。我知道他们正在努力为SAS（）解决这个问题，但显然不是在SQL上。可能是一个解决方法：您可以使用普通的SQLAlchemy，pandas也在引擎盖下使用它。它将日期转换为datetime.date（），可以处理您的用例。非常感谢@braml1。我能够将日期转换为标准的日期时间值：df['Date']=df['Date'].apply（如果pd.isnull（x）或者dt.Date（x.year，x.month，x.day），则lambda x:None）。这确实迫使我的datetimes的所有时间组件都是00:00:00.000，但幸运的是它们都已经为零，因为datetimes实际上只是日期。事实上，pandas的所有datetimes都使用np DateTime64表示法。我知道他们正在努力为SAS（）解决这个问题，但显然不是在SQL上。可能是一个解决方法：您可以使用普通的SQLAlchemy，pandas也在引擎盖下使用它。它将日期转换为datetime.date（），可以处理您的用例。非常感谢@braml1。我能够将日期转换为标准的日期时间值：df['Date']=df['Date'].apply（如果pd.isnull（x）或者dt.Date（x.year，x.month，x.day），则lambda x:None）。这确实迫使我的datetimes的所有时间组件都是00:00:00.000，但幸运的是，它们已经全部为零，因为datetimes实际上只是日期。