我在做基本数据爆炸时遇到了此行为，例如在此示例中：
In [55]: import pandas as pd
In [56]: import numpy as np
In [57]: rng = pd.date_range('1/1/2000', periods=10, freq='4h')
In [58]: lvls = ['A','A','A','B','B','B','C','C','C','C']
In [59]: df = pd.DataFrame({'TS': rng, 'V' : np.random.randn(len(rng)), 'L' : lvls})
In [60]: df
Out[60]:
L TS V
0 A 2000-01-01 00:00:00 -1.152371
1 A 2000-01-01 04:00:00 -2.035737
2 A 2000-01-01 08:00:00 -0.493008
3 B 2000-01-01 12:00:00 -0.279055
4 B 2000-01-01 16:00:00 -0.132386
5 B 2000-01-01 20:00:00 0.584091
6 C 2000-01-02 00:00:00 -0.297270
7 C 2000-01-02 04:00:00 -0.949525
8 C 2000-01-02 08:00:00 0.517305
9 C 2000-01-02 12:00:00 -1.142195
问题：
In [61]: df['TS'].min()
Out[61]: 31969-04-01 00:00:00
In [62]: df['TS'].max()
Out[62]: 31973-05-10 00:00:00
虽然看起来还可以：
In [63]: df['V'].max()
Out[63]: 0.58409076701429163
In [64]: min(df['TS'])
Out[64]: <Timestamp: 2000-01-01 00:00:00>
在集体组合之后聚集时：
In [65]: df.groupby('L').min()
Out[65]:
TS V
L
A 9.466848e+17 -2.035737
B 9.467280e+17 -0.279055
C 9.467712e+17 -1.142195
In [81]: val = df.groupby('L').agg('min')['TS']['A']
In [82]: type(val)
Out[82]: numpy.float64
显然，在这种特殊情况下，它与使用频率dateTime索引作为PD的参数有关：
In [76]: rng.min()
Out[76]: <Timestamp: 2000-01-01 00:00:00>
In [77]: ts = pd.Series(rng)
In [78]: ts.min()
Out[78]: 31969-04-01 00:00:00
In [79]: type(ts.min())
Out[79]: numpy.datetime64
但是，我的最初问题是通过pd.read_csv（）
从字符串中解析的时间戳系列的最小/最大问题。我在做什么错？
正如@meteore指出的那样，NP.DATETIME 64 type的字符串repr在numpy 1.6.x.中是一个问题。基础数据仍然应该是正确的。为了解决这个问题，您可以做类似的事情：
In [15]: df
Out[15]:
L TS V
0 A 2000-01-01 00:00:00 0.752035
1 A 2000-01-01 04:00:00 -1.047444
2 A 2000-01-01 08:00:00 1.177557
3 B 2000-01-01 12:00:00 0.394590
4 B 2000-01-01 16:00:00 1.835067
5 B 2000-01-01 20:00:00 -0.768274
6 C 2000-01-02 00:00:00 -0.564037
7 C 2000-01-02 04:00:00 -2.644367
8 C 2000-01-02 08:00:00 -0.571187
9 C 2000-01-02 12:00:00 1.618557
In [16]: df.TS.astype(object).min()
Out[16]: datetime.datetime(2000, 1, 1, 0, 0)
In [17]: df.TS.astype(object).max()
Out[17]: datetime.datetime(2000, 1, 2, 12, 0)