Pandas数据框，包含时间戳和时区列

2 回答

• 1

  这可以通过一次转换一个tz来有效地完成（但由于我们有很多，groupby已经将它们分开了） . 这些是本地时间（在给定时区内的IOW），因此 tz_localize 使这些tz感知 . 然后，当我们将它们组合在一起时，它们会自动神奇地转换为UTC .

  请注意，这是在master / 0.17.0上，很快就会发布 . 溶解<0.17.0以下

  In [19]: df = read_csv(StringIO(data),header=None, names=['value','date','tz'])
  
  In [20]: df.dtypes
  Out[20]: 
  value     int64
  date     object
  tz       object
  dtype: object
  
  In [21]: df
  Out[21]: 
     value                 date                   tz
  0      0  2000-01-28 16:47:00      America/Chicago
  1      1  2000-01-29 16:48:00      America/Chicago
  2      2  2000-01-30 16:49:00  America/Los_Angeles
  3      3  2000-01-31 16:50:00      America/Chicago
  4      4  2000-01-01 16:50:00     America/New_York
  
  In [22]: df['utc'] = df.groupby('tz').date.apply(
                  lambda x: pd.to_datetime(x).dt.tz_localize(x.name))
  
  In [23]: df
  Out[23]: 
     value                 date                   tz                 utc
  0      0  2000-01-28 16:47:00      America/Chicago 2000-01-28 22:47:00
  1      1  2000-01-29 16:48:00      America/Chicago 2000-01-29 22:48:00
  2      2  2000-01-30 16:49:00  America/Los_Angeles 2000-01-31 00:49:00
  3      3  2000-01-31 16:50:00      America/Chicago 2000-01-31 22:50:00
  4      4  2000-01-01 16:50:00     America/New_York 2000-01-01 21:50:00
  
  In [24]: df.dtypes
  Out[24]: 
  value             int64
  date             object
  tz               object
  utc      datetime64[ns]
  dtype: object
  

  在<0.17.0，需要：

  df['utc'] = df['utc'].dt.tz_localize(None)
  

  转换为UTC

  回复于 2024-04-27T22:53:21+08:00
• 3

  通常：组合2 csv时间列 during 导入（或之前） . 这可以通过一个小的lambda函数来完成 .

  要转换（解析）组合信息，存在多个选项 . 大多数都在这里或pandas-docs中描述 . 我个人喜欢 utils.parse 一个 .

  回复于 2024-04-27T22:53:21+08:00