如何将pandas datetime64列的时区替换为对应列指定的时区？

由于tz_localize和tz_convert仅支持单个时区参数，无法直接接收Series类型的时区输入，我们可以通过以下两种方式实现需求：

方法一：逐行处理（适用于小数据集） #

1. 先确保event_time为datetime类型（若读取后是字符串格式）：

import pandas as pd

dates_df = pd.read_json("""[{"event_time": "2023-04-03T15:03:52", "event_tz": "EDT"}, {"event_time": "2023-04-03T15:03:52", "event_tz": "EDT"}]""")
dates_df['event_time'] = pd.to_datetime(dates_df['event_time'])

2. 使用apply逐行为时间戳绑定对应时区：

dates_df['event_time_with_tz'] = dates_df.apply(
    lambda row: row['event_time'].tz_localize(row['event_tz']),
    axis=1
)

方法二：分组处理（适用于大数据集） #

如果数据量较大，逐行处理效率偏低，可以按时区分组后批量本地化，提升性能：

import pandas as pd
import pytz

dates_df = pd.read_json("""[{"event_time": "2023-04-03T15:03:52", "event_tz": "EDT"}, {"event_time": "2023-04-03T15:03:52", "event_tz": "EDT"}]""")
dates_df['event_time'] = pd.to_datetime(dates_df['event_time'])

def localize_time(group):
    tz = pytz.timezone(group['event_tz'].iloc[0])
    return group['event_time'].dt.tz_localize(tz)

dates_df['event_time_with_tz'] = dates_df.groupby('event_tz', group_keys=False).apply(localize_time)

注意事项 #

• 建议使用标准时区标识符（如America/New_York）替代EDT这类夏令时缩写，避免夏令时切换引发的时区解析问题。
• 若使用pytz库，确保其已正确安装（pip install pytz）。

内容的提问来源于stack exchange，提问作者Ramón J Romero y Vigil