Help us understand the problem. What is going on with this article?

pandasは2262-04-12以降の日付を変換できない

More than 1 year has passed since last update.

どういうこと?

例えば、中身が下記のようなファイルを

input.txt
date
20180910
20171228
20190702
23000501

pandas.read_tablepandas.read_csv で以下のように読み込んでも日付に変換されません。

import pandas as pd
df = pd.read_table('input.txt', parse_dates=['date'])
print(df)
       date
0  20180910
1  20171228
2  20190702
3  23000501

なぜ?

pandas.Timestamp で定義されている日付の範囲を超えているからです。

実際、先程のコードに続いて pd.to_datetime(df['date']) と実行すると、

OutOfBoundsDatetime: Out of bounds nanosecond timestamp: 2300-05-01 00:00:00

というエラーが出ます。

エラーメッセージで検索してみると以下QAが該当します。
python - pandas out of bounds nanosecond timestamp after offset rollforward plus adding a month offset - Stack Overflow
どうやら未来の日付は pd.Timestamp.max の値である Timestamp('2262-04-11 23:47:16.854775807') までしか変換できないようです。

試してみると、 pd.to_datetime('2262-04-11') は変換できますが、
pd.to_datetime('2262-04-12')OutOfBoundsDatetime エラーになります。

どうすればいい?

parse_dates オプションの指定による変換を諦めて、例えば以下のような処理をします。
未来すぎる日付は潔く NaT にしてしまいましょう。

import pandas as pd

# 文字列として読む
df = pd.read_table('input.txt', dtype={'date': str})
# pd.Timestamp.max 以降の日付をNaNとする
df.loc[df['date'] > f'{pd.Timestamp.max:%Y%M%d}', 'date'] = pd.np.nan
# NaNはNaTになる
df['date'] = pd.to_datetime(df['date'])
print(df)

その他の日付形式へは各自読み替えてください。

brainpad
ブレインパッドは、2004年の創業以来、データによるビジネス創造と経営改善に向き合ってきたデータ活用・分析企業です。
http://www.brainpad.co.jp/
Why not register and get more from Qiita?
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
Comments
No comments
Sign up for free and join this conversation.
If you already have a Qiita account
Why do not you register as a user and use Qiita more conveniently?
You need to log in to use this function. Qiita can be used more conveniently after logging in.
You seem to be reading articles frequently this month. Qiita can be used more conveniently after logging in.
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
ユーザーは見つかりませんでした