对DataFrame每行应用函数生成新列报OutOfBoundsDatetime错误如何解决

根本原因 #

你调用amortization_table函数时存在传参错误：
函数定义中第二个入参要求的是贷款年限，但你逐行调用时传入的是plazorestanteendias（剩余天数）字段，相当于把3600天直接按照3600年计算，生成的还款日期最远到数千年后，超出了pandas datetime64[ns]类型的支持范围（仅支持1677-09-21 到 2262-04-11之间的日期），因此抛出OutOfBoundsDatetime错误。

解决方案 #

方案1：修正传参（快速修复） #

你已经提前计算了年数字段termy = 剩余天数/360，直接把调用时的第二个参数替换为termy即可：

id_cl['VPInt'] = id_cl.apply(lambda row : amortization_table(row['intrate'], 
                        row['termy'], row['lenk'], row['disb']), axis = 1)

方案2：优化函数（推荐，彻底解决问题+提升性能） #

由于你最终返回的结果仅用到利息现值总和，完全不需要用到还款日期相关的字段，因此可以直接删掉函数中生成日期序列的逻辑，既不会影响计算结果，还能避免日期越界问题，同时大幅提升运算速度：

def amortization_table(interest_rate, years, payments_year, principal):
    addl_principal=0
    # 直接计算还款期数，去掉所有日期相关逻辑
    periods = int(round(years * payments_year, 0))
    # 用数字索引替代日期索引
    df = pd.DataFrame(index=range(1, periods+1),
                      columns=['Payment', 'Principal', 'Interest', 'Addl_Principal', 'Curr_Balance'], 
                      dtype='float')
    df.index.name = "Period"

    # 后续计算逻辑保持不变
    per_payment = npf.pmt(interest_rate/payments_year, periods, principal)
    df["Payment"] = per_payment
    df["Principal"] = npf.ppmt(interest_rate/payments_year, df.index, periods, principal)
    df["Interest"] = npf.ipmt(interest_rate/payments_year, df.index, periods, principal)
    df["VP_Interest"] = npf.pv(rate=interest_rate/12, nper = df.index - 1, pmt=0, fv=df["Interest"])
        
    df = df.round(2) 

    # 处理额外还款参数
    if addl_principal > 0:
        addl_principal = -addl_principal
    df["Addl_Principal"] = addl_principal

    # 累计本金计算
    df["Cumulative_Principal"] = (df["Principal"] + df["Addl_Principal"]).cumsum()
    df["Cumulative_Principal"] = df["Cumulative_Principal"].clip(lower=-principal)
    df["Curr_Balance"] = principal + df["Cumulative_Principal"]

    # 定位最后一期还款
    try:
        last_payment = df.query("Curr_Balance <= 0")["Curr_Balance"].idxmax(axis=1, skipna=True)
    except ValueError:
        last_payment = df.last_valid_index()
        
    # 有额外还款时截断数据
    if addl_principal != 0:
        df = df.loc[0:last_payment].copy()
        df.loc[last_payment, "Principal"] = -(df.loc[last_payment-1, "Curr_Balance"])
        df.loc[last_payment, "Payment"] = df.loc[last_payment, ["Principal", "Interest"]].sum()
        df.loc[last_payment, "Addl_Principal"] = 0
        
    # 计算最终返回值
    payment_info = df[["VP_Interest"]].sum().to_frame().T
    cumInt = payment_info.VP_Interest[0]*-1
    return cumInt

内容的提问来源于stack exchange，提问作者Daniela saba rosner