Pandas读取CSV时epoch格式时间转datetime出现OverflowError如何解决

OverflowError: Python int too large to convert to C long报错通常出现在32位Python环境、或是1.0以下版本的pandas中：19位纳秒精度的Epoch时间戳数值超出了C long类型的取值范围，因此触发溢出异常。

• 方案1（兼容性最高，优先推荐）
  将纳秒级时间戳缩放为秒级后再转换，避免大整数运算溢出，会自动保留小数部分对应的微秒、纳秒精度，无时间偏差：

df['time'] = pd.to_datetime(df['time'] / 10**9, unit='s')

• 方案2（仅适配64位Python环境）
  先将time列强制转换为int64类型，再执行纳秒级转换：

df['time'] = df['time'].astype('int64')
df['time'] = pd.to_datetime(df['time'], unit='ns')

• 方案3（适合小数据集场景）
  调用Python原生datetime模块逐行处理：

from datetime import datetime
df['time'] = df['time'].apply(lambda x: datetime.fromtimestamp(x / 1e9))

针对大规模数据集优先选择方案1：属于pandas向量化操作，运行效率远高于逐行apply的方案，同时兼容32/64位环境和全版本pandas，无额外适配成本。
如需指定时区，可在pd.to_datetime方法中增加tz参数，示例：

# 转换为东八区时间
df['time'] = pd.to_datetime(df['time'] / 1e9, unit='s', tz='Asia/Shanghai')

内容的提问来源于stack exchange，提问作者Yasi