将 datetime.max 插入 pandas 系列会更改系列类型

Question

我从一些随机日期创建一个系列

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，如果我使用datetime.max 创建一个系列，该系列的 dtype 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 

日期的显示方式也发生了变化。我想后一点与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

这里发生了什么？如何创建包含“最大”日期时间值的系列？像这样

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

Answer 1

datetime64[ns] dtype 可以表示1678 AD and 2262 AD 之间的日期。由于datetime.max 不在此范围内，因此将Series 的dtype 更改为object，并将所有值转换为datetime.datetimes，以便Series 可以保持所需的日期时间范围。

目前纳秒频率的datetime64[ns] dtype（而不是datetime64[s] 或datetime64[Y]）是only NumPy datetime dtype that Pandas supports。 recommended workaround 是使用pd.Period 或pd.PeriodIndex 对象来表示超出datetime64[ns] 可表示范围的日期：

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)

产量

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

注意freq 参数必须设置为大于ns 扩大允许的日期范围（以降低粒度为代价）。 这是一个table of common aliases，可用于freq 参数。