Python Pandas.to_datetime在给出错误时给出了0001年1月15日，是否有办法解决此问题？

我有一个数据集，它可以追溯到0001年1月15日（是的，这是1个CE！），它最初是0个CE，但由于那一年不存在，我从数据中删除了这12个月

我试图让pandas将datasdf.datetime=pd.to_datetime（df.datetime）中的日期时间字符串转换为内部datetime对象

我试过：

import pandas as pd
df = pd.load_csv(file)
df.datetime = pd.to_dtaetime(df.datetime)

得到：

OutOfBoundsDatetime: Out of bounds nanosecond timestamp: 1-01-15 00:00:00

csv文件的前两行是：

datenum,year,month,day,datetime,data_mean_global,data_mean_nh,data_mean_sh
381,1,1,15,15-Jan-0001 00:00:00,277.876675965034,278.555895908363,277.197456021705

---

一种方法是将此有问题的值转换为

NaT

s：

df.datetime = pd.to_dtaetime(df.datetime, errors='coerce')

---

这并没有真正起到帮助作用，因为这让纳特（大概不是时候）进入了这个领域。有趣的是，绘图现在从1689年开始，所有以前的数据都被忽略了。一个可能的解决方案应该是转换为

PeriodIndex

再次感谢！periodindex将形成，但不会打印！！Python的datetime模块确实接受第1年，所以下一步就是尝试并应用它。祝我好运！（或者我可以在R中这样做）。仍然在做一个：熊猫在这里有点痛苦。我可以尝试将数据集放入一个numpy数组，然后从那里开始绘图。或者可以尝试在这个图中使用R（可能通过rpy2或其他名称）。我发现答案显然是一个特性！在我的例子中，循环的方式是使用pd.PeriodIndex（start=date\u start，end=date\u end，freq=“M”），我发现答案显然是一个特性！循环的方式是使用pd.PeriodIndex（开始=日期\开始，结束=日期\结束，freq=“M”）