如何将pandas dataframe的object类型列转换为日期类型并解决越界报错

• 代码列名引用错误：你需要转换的是timeframe列，但代码中写的是df['Date']，读取的列数据不符合预期
• 日期解析规则匹配错误：nov-21、jun-90这类英文月份缩写+两位数年份的格式，未指定格式时pandas会默认将其解析为公元1年的日期，远超出pandas纳秒时间戳的支持范围，所以触发越界报错。

方法1：指定解析格式+修正年份 #

如果需要保留完整日期格式，先明确指定解析格式，再对年份做世纪修正即可：

import pandas as pd
from datetime import datetime

# 明确指定%b-%y格式解析，errors='coerce'会将无法解析的内容转为空值方便排查
df['timeframe'] = pd.to_datetime(df['timeframe'], format='%b-%y', errors='coerce')

# 修正年份：解析后年份大于当前年的，默认是上世纪的日期，减去100年即可
current_year = datetime.now().year
over_year_mask = df['timeframe'].dt.year > current_year
df.loc[over_year_mask, 'timeframe'] = df.loc[over_year_mask, 'timeframe'] - pd.DateOffset(years=100)

如果你的数据全部属于上世纪，可以直接统一减去100年，不需要判断：

df['timeframe'] = pd.to_datetime(df['timeframe'], format='%b-%y', errors='coerce') - pd.DateOffset(years=100)

方法2：转为月度Period类型 #

如果你只需要存储年月信息，不需要具体到日，直接转为月度Period类型可以完全避免时间戳越界问题：

df['timeframe'] = pd.to_datetime(df['timeframe'], format='%b-%y').dt.to_period('M')

内容的提问来源于stack exchange，提问作者Gangadhar Dixit