Pandas支持的最早闰年是哪一年？如何用其转换日序列为日期？

完全可以这么操作——选一个Pandas兼容的、足够早的闰年，既能完美容纳1-366的日序（包括闰年的2月29日），又能保证这个年份几乎不会出现在你的业务时间序列里。

选哪个年份？ #

推荐用1600年：它是公历规则中明确的闰年（整百年份能被400整除），而且Pandas/numpy的datetime64类型对其完全支持。这个年份远早于绝大多数现代业务数据的时间范围，几乎不可能和你的现有数据重叠。如果需要更早的，1200年也是合规的闰年且Pandas支持，但1600年的兼容性和辨识度更好。

实际代码示例 #

情况1：直接处理日序（Day of Year）列

如果你的原始数据是1-366的日序，可以直接生成对应闰年的日期：

import pandas as pd

# 示例日序列
doy_series = pd.Series([1, 100, 366])
# 转成1600年的日期，%j对应日序格式
converted_dates = pd.to_datetime(doy_series, format='%j', year=1600)

情况2：替换已有datetime列的年份

对应你提供的示例代码，修改年份为1600即可，推荐用向量化的dt.replace代替apply，效率更高：

import pandas as pd

dates = pd.Series(pd.to_datetime(['2023-05-01', '2021-12-15', '2019-07-20']))
first_leap_year = 1600
# 向量化替换年份，比apply高效
new_dates = dates.dt.replace(year=first_leap_year)

注意点 #

• 必须确保所选年份是闰年，否则日序366会解析失败（非闰年只有365天）。
• 1600年及更早的闰年在Pandas中都能正常处理，但越早期的年份在某些外部系统（如数据库）中可能存在兼容性问题，1600年是平衡“早”和“兼容”的最优选择。

内容的提问来源于stack exchange，提问作者Pierrick Rambaud