Pandas中基于超界Windows纪元的时间值转换为datetime的方法问询

方法1：使用标准库datetime中转（逻辑最直观） #

Python原生datetime类型支持的时间范围远大于Pandas Timestamp的限制，可先完成纪元偏移计算再转Pandas格式：

import pandas as pd
from datetime import datetime, timedelta

# 定义Windows纪元基准时间
win_epoch = datetime(1601, 1, 1)
# 假设待转换秒数存储在列win_seconds中
df["dt"] = pd.to_datetime(df["win_seconds"].apply(lambda s: win_epoch + timedelta(seconds=s)))

只要最终计算得到的时间落在Pandas Timestamp合法范围内，就不会触发超界报错。

方法2：使用Pandas Period类型转换（符合官方超界时间处理规范） #

你提到的Period类型本身支持超出Timestamp范围的时间存储，可通过该类型完成偏移计算：

import pandas as pd

# 构造秒精度的Windows纪元Period对象
win_epoch_pd = pd.Period("1601-01-01", freq="S")
# 逐行偏移后转Timestamp
df["dt"] = df["win_seconds"].apply(lambda s: (win_epoch_pd + s).to_timestamp())

如果需要更高性能的批量处理，可使用PeriodIndex的向量化运算：

# 批量处理写法，避免逐行apply的性能损耗
df["dt"] = (pd.PeriodIndex([win_epoch_pd]*len(df), freq="S") + df["win_seconds"]).to_timestamp()

方法3：纪元偏移映射（性能最优） #

Windows纪元（1601-01-01）与Pandas支持的Unix纪元（1970-01-01）的秒数差值为固定值11644473600，可直接基于该差值使用内置to_datetime转换，无需手动修改单条数据：

# 直接调用pandas内置向量化转换逻辑，性能最高
df["dt"] = pd.to_datetime(df["win_seconds"] - 11644473600, origin="unix")

内容的提问来源于stack exchange，提问作者JRose