pd.to_datetime转换DataFrame object日期触发OutOfBoundsDatetime越界报错

报错根因 #

• pandas 默认的 datetime64[ns] 类型基于64位整数存储纳秒级时间戳，存在固定的取值边界：仅支持公元1677年9月14日 到 公元2262年4月11日之间的时间，超出该范围的时间会直接触发越界错误。
• 当前场景的直接触发原因：源Inv_Net_Due_Date_new字段存在格式异常的脏值。你指定的转换格式是%Y-%m（匹配标准4位年+2位月的字符串），但报错信息里出现了带具体日期的203-02-19，说明字段内存在被截断的残缺值（比如原本应该是2023-02类的合规值，被截断丢失了字符，变成了3位年份的无效值），被pandas解析后生成了远早于取值边界的时间戳，最终触发报错。

排查与解决步骤 #

• 第一步：先定位并清洗源字段的异常脏值
  用正则匹配筛出所有不符合YYYY-MM格式的异常行，查看具体有哪些无效值：

  # 匹配不符合4位年-2位月格式的所有记录
  invalid_mask = ~mydata['Inv_Net_Due_Date_new'].str.match(r'^\d{4}-\d{2}$', na=False)
  # 打印所有唯一的异常值，针对性修正
  print(mydata.loc[invalid_mask, 'Inv_Net_Due_Date_new'].unique())
  

  找到截断、格式错位的脏值后，按照业务规则修正为合规的YYYY-MM格式，从根源减少转换报错。
• 第二步：转换时增加容错机制，避免单条脏值中断全量流程
  如果清洗后仍有少量无法修正的越界值，可以在pd.to_datetime中增加errors='coerce'参数，让无法解析、超出范围的自动转为空值NaT，而非直接抛出异常中断程序：

  mydata['Inv_Net_Due_Date_new'] = pd.to_datetime(
      mydata['Inv_Net_Due_Date_new'],
      format='%Y-%m',
      errors='coerce'
  )
  

• 第三步：如果业务确实需要处理边界外的早/晚期日期
  可以调整时间戳的存储精度为秒级，绕开纳秒类型的范围限制：

  mydata['Inv_Net_Due_Date_new'] = pd.to_datetime(
      mydata['Inv_Net_Due_Date_new'],
      format='%Y-%m',
      errors='coerce',
      unit='s'
  )
  

  秒级精度的datetime64[s]支持的时间范围远大于纳秒类型，可覆盖多数长周期历史日期的存储需求。

内容的提问来源于stack exchange，提问作者Yogesh Govindan