熊猫 to_datetime 显示时间不正确

Question

我使用 pandas to_datetime 将 DataFrame 的时间戳格式化如下：

import pandas as pd
from pandas import *

d = {'TIMESTAMP' : Series([1294311545, 1294317813, 1294318449]),
          'PRICE' : Series([24990, 25499, 25499]),
          'VOLUME' : Series([1500000000, 5000000000, 100000000])}
df = DataFrame(d)
print df
df.TIMESTAMP = pd.to_datetime(df.TIMESTAMP, unit='s')
df.set_index('TIMESTAMP', inplace=True)       
print df
test = df['VOLUME'].resample('H', how='sum')
print test
test2= df['PRICE'].resample('H', how='ohlc')
print test2

输出1是：

   PRICE   TIMESTAMP      VOLUME
0  24990  1294311545  1500000000
1  25499  1294317813  5000000000
2  25499  1294318449   100000000
                     PRICE      VOLUME
TIMESTAMP                             
2011-01-06 10:59:05  24990  1500000000
2011-01-06 12:43:33  25499  5000000000
2011-01-06 12:54:09  25499   100000000

我第二次使用 python datetime 打印出上述 DataFrame 中的时间戳：

import datetime
print(datetime.datetime.fromtimestamp(int("1294311545")).strftime('%Y-%m-%d %H:%M:%S'))
print(datetime.datetime.fromtimestamp(int("1294317813")).strftime('%Y-%m-%d %H:%M:%S'))
print(datetime.datetime.fromtimestamp(int("1294318449")).strftime('%Y-%m-%d %H:%M:%S'))

输出2是：

2011-01-06 02:59:05
2011-01-06 04:43:33
2011-01-06 04:54:09

你会发现 output1 和 ouput2 是不一样的！这是时区问题吗？我需要输出 1 应该与输出 2 相同。以及如何解决？

Answer 1

fromtimestamp本地化时间如果没有提供tz，你可以使用utcfromtimestamp来获取pandas做了什么（这里不本地化）

In [22]: df.index[0]
Out[22]: Timestamp('2011-01-06 10:59:05', tz=None)

In [24]: datetime.datetime.utcfromtimestamp(int("1294311545")).strftime('%Y-%m-%d %H:%M:%S')
Out[24]: '2011-01-06 10:59:05'

In [25]: datetime.datetime.fromtimestamp(int("1294311545")).strftime('%Y-%m-%d %H:%M:%S')
Out[25]: '2011-01-06 05:59:05'

如果你想本地化tz，你可以这样做

In [59]: df.index = df.index.tz_localize('Asia/Shanghai').tz_convert('UTC')

In [60]: df
Out[60]: 
                           PRICE      VOLUME
TIMESTAMP                                   
2011-01-06 02:59:05+00:00  24990  1500000000
2011-01-06 04:43:33+00:00  25499  5000000000
2011-01-06 04:54:09+00:00  25499   100000000