如何在Pandas中解析含US/Eastern时区的字符串为datetime类型？

给定元组列表：

[('20230728 09:30:00 US/Eastern', 194.7, 195.26)]

创建DataFrame并将time列设为索引：

df = pd.DataFrame(
    received_historic_data, columns=["time", "open", "close"]
).set_index("time")

尝试用df.index = pd.to_datetime(df.index)将索引从字符串转为datetime类型时，Pandas无法解析其中的US/Eastern时区信息，如何解决？

方法1：用dateutil.parser解析带时区字符串 #

借助dateutil的解析能力处理含时区的时间字符串（需确保安装python-dateutil，多数Pandas环境默认包含）：

from dateutil import parser

df.index = df.index.map(parser.parse)

解析后索引会变为带US/Eastern时区的datetime64[ns, US/Eastern]类型。

方法2：直接在pd.to_datetime中指定时区 #

通过tz参数明确指定时区，Pandas会自动匹配字符串中的时区标识：

df.index = pd.to_datetime(df.index, tz='US/Eastern')

若字符串格式特殊，可添加infer_datetime_format=True提升解析效率：

df.index = pd.to_datetime(df.index, tz='US/Eastern', infer_datetime_format=True)

方法3：先解析无时区时间，再绑定时区 #

如果前两种方法失效，可先解析为无时区datetime，再用tz_localize添加对应时区：

import pytz

df.index = pd.to_datetime(df.index, format='%Y%m%d %H:%M:%S').tz_localize(pytz.timezone('US/Eastern'))

这种方法适合时区信息固定，且时间格式标准的场景。

内容的提问来源于stack exchange，提问作者Jason Strimpel