Python中将UTC气温数据转换为达卡LST（UTC+6）的实现方法

我有39年的3小时气温数据，数组形状为(39,12,31,8)，维度依次对应39年、12个月、31天、8个UTC时间点（0000、0300、0600、0900、1200、1500、1800、2100）。需要将这些数据转换为达卡时区（UTC+6，即LST）。

示例输入（第一年1月前5天数据） #

array([[15.4, 14.2, 14.7, 16.6, 23.4, 25. , 19.5, 17.7],
       [ 9.9,  8.2,  8. , 16.8, 22.2, 23.8, 17. , 12.5],
       [10.4,  9.6,  7.2, 15.4, 20.9, 22. , 15.8, 12. ],
       [11.5, 10. ,  8. , 14.4, 22.1, 23.7, 19. , 12.1],
       [13.5, 11.8,  9. , 18.1, 24. , 26.2, 19. , 15. ]])

遇到的问题 #

之前尝试用numpy.roll函数，但UTC的1800、2100点转LST后会变成次日的0000、0300点，日期跨天，单纯滚动数组无法处理这种日期变化。

预期输出 #

array([[NaN, NaN, 15.4, 14.2, 14.7, 16.6, 23.4, 25. ],
       [19.5, 17.7, 9.9,  8.2, 8. , 16.8, 22.2, 23.8],
       [17. , 12.5, 10.4,  9.6, 7.2, 15.4, 20.9, 22.],
       [15.8, 12., 11.5, 10. , 8. , 14.4, 22.1, 23.7],
       [19. , 12.1, 13.5, 11.8, 9. , 18.1, 24., 26.2]])

解决方案：用Pandas处理时区转换与日期映射 #

因为涉及日期跨天，先把数组转换成带时间索引的DataFrame，再做时区转换，最后重新整理成目标形状。

具体代码

import numpy as np
import pandas as pd
from pandas import DatetimeIndex

# 假设原始数据为temp_data，形状(39,12,31,8)
# 定义起始年份，可根据实际数据调整
start_year = 1984
years = range(start_year, start_year + 39)
utc_hours = [0, 3, 6, 9, 12, 15, 18, 21]

# 生成所有UTC时间戳
timestamps = []
for year in years:
    for month in range(1, 13):
        # 按数据的31天维度生成日期，实际月份若不足31天可后续调整
        for day in range(1, 32):
            for hour in utc_hours:
                timestamps.append(f"{year}-{month:02d}-{day:02d} {hour:02d}:00:00")

# 转换为UTC时区的时间索引
utc_index = DatetimeIndex(timestamps, tz='UTC')
# 转换为达卡时区
dhaka_index = utc_index.tz_convert('Asia/Dhaka')

# 将原始数据展平为一维数组
flat_temp = temp_data.flatten()

# 创建带达卡时区索引的DataFrame
df = pd.DataFrame({'temp': flat_temp}, index=dhaka_index)

# 构建达卡时区的完整日期列表
dhaka_dates = []
for year in years:
    for month in range(1,13):
        for day in range(1,32):
            dhaka_dates.append(f"{year}-{month:02d}-{day:02d}")
dhaka_dates = DatetimeIndex(dhaka_dates).tz_localize('Asia/Dhaka')

# 初始化结果数组，填充NaN
target_shape = temp_data.shape
result = np.full(target_shape, np.nan)

# 遍历每个日期，映射对应时间点的数据
for y_idx in range(target_shape[0]):
    for m_idx in range(target_shape[1]):
        for d_idx in range(target_shape[2]):
            current_date = dhaka_dates[y_idx*12*31 + m_idx*31 + d_idx]
            # 填充当日8个时间点的数据
            for h_idx, hour in enumerate(utc_hours):
                target_time = current_date + pd.Timedelta(hours=hour)
                if target_time in df.index:
                    result[y_idx, m_idx, d_idx, h_idx] = df.loc[target_time, 'temp']

# 验证前5天数据
print(result[0,0,0:5,:])

关键说明

• 使用Asia/Dhaka时区而非直接加6小时，是因为达卡无夏令时变更，用时区名称更规范（直接偏移6小时也可实现）
• 自动处理跨天映射：UTC的18:00对应达卡次日00:00，UTC的21:00对应达卡次日03:00，这些数据会被自动分配到下一日的对应时间点
• 初始日期的00:00、03:00时间点无对应UTC数据，自动填充为NaN，符合预期输出

内容的提问来源于stack exchange，提问作者Abeda