Python 如何绕过超限纳秒

我需要不同的天数

（df[LastLogin]-df['lastpowered']）.dt.days

但是

lastpowered

中有一些

'0001-01-01 00:00:00'

。如果我试图将

1-01-01

更改为熊猫边界内的某个日期，则会导致

超出边界纳秒时间戳：1-01-01 00:00

。还有别的办法吗

 LastLogin                         LastPurchased              
2018-08-21 00:28:04.081677         0001-01-01 00:00:00
2018-08-21 00:28:58.209522         2018-08-20 00:28:58.209522    

---

Pandas要求datetime中的年份大于1677，小于2622（大约-请参阅以了解确切界限）。否则，给定日期超出可由纳秒分辨率64位整数表示的范围：

     LastLogin                         LastPurchased              Days
2018-08-21 00:28:04.081677         1999-01-01 00:00:00            6935
2018-08-21 00:28:58.209522         2018-08-20 00:28:58.209522      1

这取决于你想如何处理这件事。考虑你最终试图通过减去日期001至01-01来指示。我假设这意味着用户已登录，但从未购买过

要强制

lastpowered

为有效的时间戳或

pd.NaT

（“非时间”），可以使用

>>> pd.Timestamp.max
Timestamp('2262-04-11 23:47:16.854775807')
>>> pd.Timestamp.min
Timestamp('1677-09-21 00:12:43.145225')
>>> pd.Timestamp.max - pd.Timestamp.min
datetime.timedelta(213503, 84873, 709550)

这将给出

NaT

作为这些点的差异：

df['LastPurchased'] = pd.to_datetime(df['LastPurchased'], errors='coerce')

---

您可以将其用作“哨兵”，并使用

pd.isnat（）

检查。您是否尝试过在调用

to_datetime

时设置

errors='concurve'

？这将替换为'pd.NaT'，它是NaN的日期时间等价物。您也可以将其设置为“忽略”，但这可能会导致其他问题我已经尝试过了，但它不起作用（出于某种原因）

>>> pd.Timestamp(2018, 1, 1) - pd.NaT
NaT