如何修复int64加法溢出问题？Pandas日期计算报错处理

问题出在你num_days列里的48357555天——这个数值太大了，超出了pandas基于datetime64[ns]能处理的时间范围（numpy的datetime64[ns]仅能表示1677年到2262年之间的日期）。把这么多天加到任意采样日期上，都会触发整数溢出。

修复步骤： #

• 先过滤/处理这种异常大的天数（业务场景里这么大的时间跨度通常没有实际意义）
• 再执行日期计算逻辑

修改后的代码： #

import pandas as pd
import numpy as np

# 转换采样日期
df['sampling_date'] = pd.to_datetime(df['sampling_date'], errors='coerce')

# 设定合理的最大天数（对应datetime64[ns]的最大可表示日期，约146097天）
max_valid_days = 146097

# 标记无效天数：超过阈值或<=0的设为NaN
df['valid_num_days'] = np.where(
    (df['num_days'] > max_valid_days) | (df['num_days'] <= 0),
    np.nan,
    df['num_days']
)

# 计算未来日期，无效天数会得到NaN
df['future_date'] = df['sampling_date'] + pd.to_timedelta(df['valid_num_days'], unit='D')

# 格式转换并替换无效值为0
df['future_date'] = np.where(
    df['valid_num_days'].isna(),
    '0',
    df['future_date'].dt.strftime('%Y-%m-%d')
)

# 清理临时列（可选）
df.drop('valid_num_days', axis=1, inplace=True)

补充说明： #

1. max_valid_days是根据numpy datetime64[ns]的最大可表示日期（2262-04-11）计算得出的，你可以根据业务需求自行调整阈值
2. 如果确实需要处理超大天数，可考虑使用pandas.Period类型，但该类型在后续日期操作中存在较多限制，非特殊场景不推荐使用

内容的提问来源于stack exchange，提问作者Bharti