在Python中，將datetime.max插入一個序列會改變序列的類型？

Question

我創建一個從一些隨機日期的系列

import pandas as pd 
from datetime import datetime 

pd.Series([datetime(2012, 8, 1), datetime(2013, 4, 1), datetime(2013, 8, 1)]) 
Out[49]: 
0 2012-08-01 
1 2013-04-01 
2 2013-08-01 
dtype: datetime64[ns] 

但是，如果我創造了一系列具有datetime.max，該系列的D型是突然的對象

pd.Series([datetime(2012, 8, 1), datetime(2013, 4, 1), datetime.max]) 
Out[50]: 
0   2012-08-01 00:00:00 
1   2013-04-01 00:00:00 
2 9999-12-31 23:59:59.999999 
dtype: object 

也順便日期顯示更改。我想這後一點與這個系列現在是一個對象有關。

datetime.max是同一類型的其他日期

type(datetime.max) 
Out[53]: datetime.datetime 

type(datetime(2014, 1,1)) 
Out[54]: datetime.datetime 

這到底是怎麼回事？如何創建一個包含'max'-datetime值的系列？像這樣

0 2012-08-01 
1 2013-04-01 
2 9999-12-31 
dtype: datetime64[ns] 

Answer 1

的datetime64[ns] D型可以1678 AD and 2262 AD之間表示日期。由於datetime.max位於此範圍之外，因此係列的dtype更改爲object，並將所有值轉換爲datetime.datetime s，以便該系列可以保存所需的日期時間範圍。

當前納秒頻率datetime64[ns] dtype（與之相對，datetime64[s]或datetime64[Y]）是only NumPy datetime dtype that Pandas supports。的recommended workaround是使用pd.Period或pd.PeriodIndex對象通過datetime64[ns]來代表範圍可表示以外的日期：

import datetime as DT 
import pandas as pd 
s = pd.Series([DT.datetime(2012, 8, 1), DT.datetime(2013, 4, 1), DT.datetime.max]) 
p = s.apply(lambda x: pd.Period(x, freq='D')) 
print(p) 

產生

0 2012-08-01 
1 2013-04-01 
2 9999-12-31 
dtype: object 

注意，freq參數必須設置的東西大於ns 擴大日期的允許範圍（以較小粒度爲代價）。 以下是您可以用於freq參數的table of common aliases。