使用pd.Grouper按百年间隔分组DataFrame时遇OutOfBoundsDatetime错误

问题原因 #

pandas默认的datetime类型采用纳秒精度，时间上限为2262-04-11。当使用freq='100YS'分组时，程序会尝试生成2300-01-01这类超出纳秒datetime范围的区间标签，因此触发越界错误。

两种可行的解决方法 #

方法1：手动生成百年分组键（推荐）

不依赖pd.Grouper的freq参数，直接从日期中提取年份计算所属百年区间，用整数作为分组依据，彻底规避datetime范围限制：

# 提取日期中的年份
df['year'] = df['years'].dt.year
# 计算百年分组（如2000-2099归为2000组，2100-2199归为2100组）
df['century_group'] = (df['year'] // 100) * 100
# 分组求和
result = df.groupby('century_group')['count'].sum()

执行后得到结果：

century_group
2000    1
2100    1
Name: count, dtype: int64

若需要将分组键转回datetime（注意：2100及以后年份不超过2262才可转换，超过建议保留整数）：

result.index = pd.to_datetime(result.index.astype(str) + '-01-01')

方法2：使用Period类型分组

将datetime列转为Period类型，Period的时间范围远大于纳秒datetime，可支持更远的年份：

# 转为100年起始的Period类型
df['years_period'] = df['years'].dt.to_period('100YS')
# 分组求和
result = df.groupby('years_period')['count'].sum()

执行后得到结果：

years_period
2000-01-01    1
2100-01-01    1
Freq: 100YS-DEC, Name: count, dtype: int64

如需转回datetime索引，直接调用：

result.index = result.index.dt.to_timestamp()

补充说明 #

你使用freq='50YS'时未报错，是因为50年间隔的区间标签（如2200-01-01）仍在纳秒datetime的上限（2262年）范围内，不会触发越界问题。

内容的提问来源于stack exchange，提问作者Karen Joseph