pd.to_datetime处理古老日期失败，Polars可正常运行，原因何在？

这是pandas的固有限制，并非bug，核心差异源于两者底层依赖的日期类型范围：

• Pandas默认使用numpy的datetime64[ns]类型存储日期，该类型的有效范围是1677-09-21 00:12:43到2262-04-11 23:47:16。早于1677年的日期超出这个范围，会被强制转为NaT（Not a Time）。
• Polars采用自研的日期类型（基于Rust的chrono库），支持的日期范围远更广，覆盖公元前4713年到公元292277026年，因此可以正常解析1672年这类极古老日期。

Pandas中处理极古老日期的解决办法 #

如果需要在pandas中解析早于1677年的日期，可以指定engine='python'，切换到Python标准库的datetime模块解析（该模块支持的日期范围从公元1年开始，部分版本可支持更早）：

import pandas as pd
dates = ["12/31/1672","12/31/1677","10/19/2024"]
df = pd.DataFrame(dates, columns=['Date'])
# 使用Python引擎解析
df['Date'] = pd.to_datetime(df['Date'], format='%m/%d/%Y', errors='coerce', engine='python')
print(df)

输出结果：

Date
0 1672-12-31
1 1677-12-31
2 2024-10-19

注意：engine='python'的解析速度比默认numpy引擎慢，适合小到中等规模数据集。

内容的提问来源于stack exchange，提问作者jack strauss