如何在Pandas中移除日期列字符串末尾的时区信息？

可行解决方案 #

以下几种方法都能简便实现需求，适配不同时区后缀的情况：

方法1：字符串分割（直观可靠）

利用日期时间与时区的空格分隔特性，仅分割前两次，取前两部分拼接：

import pandas as pd

# 拆分并保留日期时间部分
df['Date'] = df['Date'].str.split(' ', n=2).str[:2].str.join(' ')
# 转换为datetime对象
df['Date'] = pd.to_datetime(df['Date'], format='%Y%m%d %H:%M:%S')

n=2确保即使时区包含空格（极端情况），也不会误拆分日期时间部分。

方法2：正则提取（适配复杂格式）

用正则精准匹配开头的日期时间格式，无视后续任何时区内容：

df['Date'] = df['Date'].str.extract(r'^(\d{8} \d{2}:\d{2}:\d{2})')[0]
df['Date'] = pd.to_datetime(df['Date'], format='%Y%m%d %H:%M:%S')

正则^(\d{8} \d{2}:\d{2}:\d{2})匹配8位日期+空格+时分秒的固定格式，完美适配所有时区后缀。

方法3：固定长度截取（格式绝对统一时用）

如果所有字符串的日期时间部分长度完全一致（比如无引号的20231101 05:00:00是16位），可直接截取：

# 无引号字符串取前16位
df['Date'] = df['Date'].str[:16]
# 带引号字符串取第1到17位（跳过首尾引号）
# df['Date'] = df['Date'].str[1:17]
df['Date'] = pd.to_datetime(df['Date'], format='%Y%m%d %H:%M:%S')

这种方法性能最优，但仅适用于格式完全固定的场景。

之前方法失败的原因 #

• 第一个replace的正则错误：^.*\]\s*匹配到]为止，但你的字符串中无]，完全不生效；
• str.strip()是去除首尾字符集合，而非移除指定子串，会误删日期时间部分的字符；
• rstrip()是从右侧逐个删除指定字符集合，而非移除整个时区子串，会破坏时间格式。

内容的提问来源于stack exchange，提问作者Skip