Pandas：使用 tz_convert 后将 TimeZone 偏移量添加到时间戳答案

【问题标题】：Pandas: Adding TimeZone offset to the timestamp after using tz_convertPandas：使用 tz_convert 后将 TimeZone 偏移量添加到时间戳
【发布时间】：2019-08-31 01:27:10
【问题描述】：

我有以下数据框，有一些偏移时间。

      feed_id                created_at
7191  1009408 2019-03-10 01:55:35-05:00
7192  1009408 2019-03-10 01:56:35-05:00
7193  1009408 2019-03-10 01:57:36-05:00
7194  1009408 2019-03-10 01:58:38-05:00
7195  1009408 2019-03-10 01:59:38-05:00
7196  1009408 2019-03-10 03:00:39-04:00
7197  1009408 2019-03-10 03:01:40-04:00
7198  1009408 2019-03-10 03:02:41-04:00
7199  1009408 2019-03-10 03:03:42-04:00

我是通过使用：

mydf['created_at']=mydf['created_at'].dt.tz_localize('UTC').dt.tz_convert('America/Montreal')

我希望将偏移时间添加到时间戳中，如果日期看起来像 2019-03-10 01:55:35-05:00，我希望它看起来像 2019-03-09 20:55： 35.

我在 this post 上看到了一个建议，该建议对我有帮助，但添加的偏移量是恒定的，我想在此练习中考虑 DST。

有没有办法获得考虑 DST 的“时区感知”时间增量或偏移量？

或者有没有更简单的方法来实现这一点？

【问题讨论】：

标签： pandas datetime dataframe parsing dst

【解决方案1】：

我遇到了同样的问题并找到了答案here。最后只需要.dt.tz_localize(None)：

mydf['created_at'] = (mydf['created_at'].dt.tz_localize('UTC')
                                        .dt.tz_convert('America/Montreal')
                                        .dt.tz_localize(None))

【讨论】：

【解决方案2】：

这是一种方法，策略是剖析 created_at 中的 Datetime.datetime 对象并重组。可能有更好的方法，尤其是不遵循tzoffset._offset 的方法。

import pandas as pd
from pandas.compat import StringIO

csvdata = StringIO("""id,feed_id,created_at
7191,1009408,2019-03-10 01:55:35-05:00
7192,1009408,2019-03-10 01:56:35-05:00
7193,1009408,2019-03-10 01:57:36-05:00
7194,1009408,2019-03-10 01:58:38-05:00
7195,1009408,2019-03-10 01:59:38-05:00
7196,1009408,2019-03-10 03:00:39-04:00
7197,1009408,2019-03-10 03:01:40-04:00
7198,1009408,2019-03-10 03:02:41-04:00
7199,1009408,2019-03-10 03:03:42-04:00""")

df = pd.read_csv(csvdata, sep=",", index_col="id", parse_dates=True, infer_datetime_format=True)
df['created_at'] = pd.to_datetime(df['created_at'])
df['offset'] = df['created_at'].apply(lambda x: x.tzinfo)
df['naive'] = df['created_at'].apply(lambda x: x.replace(tzinfo=None))
# tzoffset._offset is a timedelta
df['naive and offset'] = df['naive'] + df['offset'].apply(lambda x: x._offset)
print(df)

【讨论】：