Question

我对数据库进行只读访问，我使用pymssql查询并读入Pandas数据帧。其中一个变量包含日期，其中一些日期存储在0001年1月1日午夜（即0001-01-01 00：00：00.0000000）。我不知道为什么要包含这些日期 - 据我所知，它们不被SQL Server认可为有效日期，它们可能是由于某些默认数据输入。然而，这就是我必须要做的事情。这可以重新创建为数据帧，如下所示：

import numpy as np
import pandas as pd

tempDF = pd.DataFrame({ 'id': [0,1,2,3,4],
                        'date': ['0001-01-01 00:00:00.0000000',
                                 '2015-05-22 00:00:00.0000000',
                                 '0001-01-01 00:00:00.0000000',
                                 '2015-05-06 00:00:00.0000000',
                                 '2015-05-03 00:00:00.0000000']})

数据框如下所示：

print(tempDF)
                          date  id
0  0001-01-01 00:00:00.0000000   0
1  2015-05-22 00:00:00.0000000   1
2  0001-01-01 00:00:00.0000000   2
3  2015-05-06 00:00:00.0000000   3
4  2015-05-03 00:00:00.0000000   4

...使用以下dtypes：

print(tempDF.dtypes)

date    object
id       int64
dtype: object
print(tempDF.dtypes)

但是，我经常使用以下方法将数据框中的日期字段转换为日期时间格式：

tempDF['date'] = pd.to_datetime(tempDF['date'])

然而，偶然的，我注意到0001-01-01的日期转换为2001-01-01。

print(tempDF)

        date  id
0 2001-01-01   0
1 2015-05-22   1
2 2001-01-01   2
3 2015-05-06   3
4 2015-05-03   4

我意识到原始数据库中的日期不正确，因为SQL Server没有将0001-01-01视为有效日期。但至少在0001-01-01格式中，这些丢失的数据很容易在我的Pandas数据帧中识别。但是，当pandas.to_datetime（）更改这些日期以使它们位于可行范围内时，很容易错过这些异常值。

如何确保pd.to_datetime不能错误地解释异常值日期？

Answer 1

如果您提供format，则无法识别这些日期：

In [92]: pd.to_datetime(tempDF['date'], format="%Y-%m-%d %H:%M:%S.%f", errors='coerce')
Out[92]:
0          NaT
1   2015-05-22
2          NaT
3   2015-05-06
4   2015-05-03
Name: date, dtype: datetime64[ns]

默认情况下会出错，但是通过传递errors='coerce'，它们会转换为NaT值（coerce=True用于较旧的pandas版本。）

pandas将这些“0001-01-01”日期转换为“2001-01-01”而不提供format的原因是因为这是dateutil的行为：

In [32]: import dateutil

In [33]: dateutil.parser.parse("0001-01-01")
Out[33]: datetime.datetime(2001, 1, 1, 0, 0)

如何防止pandas.to_datetime（）函数将0001-01-01转换为2001-01-01

1 个答案: