Python 将datetime.max插入系列会更改系列类型

我根据一些随机日期创建了一个系列

import pandas as pd
from datetime import datetime

pd.Series([datetime(2012, 8, 1), datetime(2013, 4, 1), datetime(2013, 8, 1)])
Out[49]: 
0   2012-08-01
1   2013-04-01
2   2013-08-01
dtype: datetime64[ns]

但是，如果我创建了一个带有

datetime.max

的序列，那么序列的数据类型会突然变成一个对象

pd.Series([datetime(2012, 8, 1), datetime(2013, 4, 1), datetime.max])
Out[50]: 
0           2012-08-01 00:00:00
1           2013-04-01 00:00:00
2    9999-12-31 23:59:59.999999
dtype: object 

日期的显示方式也会发生变化。我想后一点与这个系列现在是一个对象这一事实有关

datetime.max

与其他日期的类型相同

type(datetime.max)
Out[53]: datetime.datetime

type(datetime(2014, 1,1))
Out[54]: datetime.datetime

这是怎么回事？如何创建包含“max”-datetime值的系列？像这样

0   2012-08-01
1   2013-04-01
2   9999-12-31
dtype: datetime64[ns]

---

datetime64[ns]

dtype可以表示两个日期之间的日期。由于

datetime.max

不在此范围内，因此序列的数据类型更改为

object

，所有值都转换为

datetime.datetime

s，以便序列可以保持所需的日期时间范围

目前，纳秒频率

datetime64[ns]

dtype（与之相反，

datetime64[s]

或

datetime64[Y]

）是最短的。使用

pd.Period

或

pd.PeriodIndex

对象来表示可由

datetime64[ns]

表示的范围之外的日期：

import datetime as DT
import pandas as pd
s = pd.Series([DT.datetime(2012, 8, 1), DT.datetime(2013, 4, 1), DT.datetime.max])
p = s.apply(lambda x: pd.Period(x, freq='D'))
print(p)

屈服

0   2012-08-01
1   2013-04-01
2   9999-12-31
dtype: object

请注意，

freq

参数必须设置为大于

ns

扩展允许的日期范围（以降低粒度为代价）。

---

这是一个可用于

freq

参数的参数。

Aha！非常感谢。但是为什么选择datetime64作为其他日期的默认类型。使用NumPy

datetime64

s可以实现快速、矢量化的日期时间算法。因此，它是NDFrame日期时间值的首选数据类型。有没有办法强制它选择普通的

datetime

？我知道

date

，但这还有一些其他问题，熊猫会在可能的情况下自动将包含

datetime.datetime

的系列或数据帧转换为NumPy

datetime64[ns]

dtype。不幸的是，我所知道的防止转换的唯一方法就是像上面那样做——插入像

datetime.max

这样的对象，它不能转换为

datetime64[ns]

。