Pandas：Object类型DateTime转Datetime格式时遇OutOfBoundsDatetime错误

这个问题我之前处理时序数据时碰见过！你遇到的OutOfBoundsDatetime错误，核心原因是pandas默认会给无年份的日期字符串自动填充当前系统年份，但如果填充后的年份超出了pandas datetime类型支持的范围（大概是公元1677年9月21日到2262年4月11日），就会触发这个报错。

针对你的数据，这里有两个靠谱的解决方案：

方案一：手动指定固定年份（推荐） #

因为你的数据里没有年份，我们可以主动给日期字符串拼接一个合理的年份（比如2023，根据你的业务需求调整），再进行格式转换，这样就能完全避免自动填充带来的问题：

import pandas as pd

# 给日期字符串拼接固定年份
df['DateTime'] = '2023 ' + df['DateTime']
# 按指定格式转换为datetime类型
df['DateTime'] = pd.to_datetime(df['DateTime'], format='%Y %d/%m %H:%M:%S')

转换完成后，你可以用df['DateTime'].dtype检查一下，应该会显示datetime64[ns]，这就说明转换成功了。

方案二：强制转换并跳过错误（不推荐，会丢失数据） #

如果你只是想快速完成转换，不在乎丢失少量异常数据，可以使用errors='coerce'参数，让pandas把无法转换的日期转为NaT（Not a Time）：

df['DateTime'] = pd.to_datetime(df['DateTime'], format='%d/%m %H:%M:%S', errors='coerce')

不过这个方法要谨慎使用，因为它会直接丢掉转换失败的行数据，除非你确认这些异常数据对你的分析没有影响。

内容的提问来源于stack exchange，提问作者NOOB