pyarrow.lib.ArrowInvalid: Casting from timestamp[us] to timestamp[ns] would result in out of bounds

项目场景：

从oracle读取数据后转为dataframe形式，然后通过to_feather()存入ft文件
之后通过pandas.read_feather()从文件中读取dataframe数据
数据类型包括date，并且有超出时间戳的数据，比如0002-12-01 00:00:00或9999-10-01 00:00:00

问题描述：

存入feather文件时正常，从ft文件读取时出错，错误如下
大概意思是从timestamp[us]强制转换为timestamp[ns]将导致时间戳越界

pyarrow.lib.ArrowInvalid: Casting from timestamp[us] to timestamp[ns] would result in out of bounds timestamp

原因分析：

就是date类型的某些数据超过了时间戳的界限

解决方案：

在网上实在搜不到能一眼看懂的解决方案，直到在pandas官网上一直死磕Representing out-of-bounds spans部分，发现了可行的解决方案：
pandas.PeriodIndex
pandas官网上的示例如下

In [413]: span = pd.period_range('1215-01-01', '1381-01-01', freq='D')

In [414]: span
Out[414]: 
PeriodIndex(['1215-01-01', '1215-01-02', '1215-01-03', '1215-01-04',
             '1215-01-05', '1215-01-06', '1215-01-07', '1215-01-08',
             '1215-01-09', '1215-01-10',
             ...
             '1380-12-23', '1380-12-24', '1380-12-25', '1380-12-26',
             '1380-12-27', '1380-12-28', '1380-12-29', '1380-12-30',
             '1380-12-31', '1381-01-01'],
            dtype='period[D]', length=60632, freq='D')

这不就是创了个区间的数据，实在没看懂怎么用PeriodIndex

之后直接去看PeriodIndex的用法，发现它的参数里有data，寻思直接调用PeriodIndex(data)把我dataframe里的越界数据调整一下？df['SWHZDJRQ'] = pd.PeriodIndex(df.SWHZDJRQ)(SWHZDJRQ是我dataframe里日期的列名)
然后报了个错？

ValueError: freq not specified and cannot be inferred

freq没指定，无法判断？那我就加上了freq参数，这个参数的介绍如下
fre:qstr or period object, optional. One of pandas period strings or corresponding objects.
大概是指定精度啥的，然后设为秒df['SWHZDJRQ'] = pd.PeriodIndex(df.SWHZDJRQ,freq='s')
一运行，诶，可以了，没啥错误了，也不报越界了，总算搞定了，折腾了一整天。