"Out of bounds nanosecond timestamp" ？如何避免此错误？

Question

我有一个数组，被识别为"numpy.ndarray 对象"，它在运行以下代码时打印以下输出：

with sRW.SavReaderNp('C:/Users/Sam/Downloads/Data.sav') as reader:
record = reader.all()
print(record)

输出：

[(b'61D8894E-7FB0-3DE6-E053-6C04A8C01207', b'Sam', 250000., '2019-08-05T00:00:00.000000')
(b'61D8894E-7FB0-3DE6-E053-6C04A8C01207', b'James',  250000., '2019-08-05T00:00:00.000000')
(b'61D8894E-7FB0-3DE6-E053-6C04A8C01207', b'Mark', 250000., '0001-01-01T00:00:00.000000')

我真的很想使用 pd 处理熊猫数据帧中的空日期变量。数据帧格式，但是当我运行以下代码时出现错误(如代码下方所示(：

SPSS_df = pd.DataFrame(record)

错误："超出界纳秒时间戳：1-01-01

00：00：00"

我已经通读了 SavReader 模块文档的源代码，它说如果未找到日期时间值，则分配以下日期：

datetime.datetime(datetime.MINYEAR, 1, 1, 0, 0, 0)

我想知道如何在不遇到此错误的情况下处理此日期，也许更改/操纵上面的代码？

Answer 1

您可以做的是将所有记录读取为字符串(对象(，然后将列转换为所需的类型(浮点数和日期时间(

import numpy as np
import pandas as pd
record = [
(
b'61D8894E-7FB0-3DE6-E053-6C04A8C01207',
b'Sam',
250000.0,
'2019-08-05T00:00:00.000000',
),
(
b'61D8894E-7FB0-3DE6-E053-6C04A8C01207',
b'James',
250000.0,
'2019-08-05T00:00:00.000000',
),
(
b'61D8894E-7FB0-3DE6-E053-6C04A8C01207',
b'Mark',
250000.0,
'0001-01-01T00:00:00.000000',
),
]
SPSS_df = pd.DataFrame(record, dtype=object).rename(
{2: 'some_float', 3: 'dates'}, axis='columns'
).assign(
some_float=lambda x: x['some_float'].astype(np.float),
dates=lambda x: pd.to_datetime(x['dates'], errors='coerce'),
)

这给出了：

0  b'61D8894E-7FB0-3DE6-E053-6C04A8C01207'    b'Sam'    250000.0 2019-08-05
1  b'61D8894E-7FB0-3DE6-E053-6C04A8C01207'  b'James'    250000.0 2019-08-05
2  b'61D8894E-7FB0-3DE6-E053-6C04A8C01207'   b'Mark'    250000.0        NaT

和类型：

SPSS_df.dtypes
0                     object
1                     object
some_float           float64
dates         datetime64[ns]