Pandas时间比较报错：无法比较无时区与时区感知时间对象

核心问题 #

报错根源是时区不匹配：tweets['post_date']是不带时区信息（tz-naive）的datetime64[ns]类型，但stock数据的索引是带时区（tz-aware）的时间戳（如报错信息中的2015-01-01 12:00:00-05:00），两者直接比较运算时，pandas会抛出类型错误。

解决方案 #

统一两边的时区状态（要么都带时区，要么都不带），以下两种方案任选其一：

方案1：给tweets的时间列添加时区信息 #

修改时间处理代码，将tweets['post_date']转换为带时区的datetime对象（时区需与stock索引的时区一致，示例用美国东部时区）：

import pytz
import pandas as pd
from datetime import timedelta

# 转换时间并设置时区（先转UTC再转目标时区，确保准确性）
tweets['post_date'] = pd.to_datetime(tweets['post_date'], unit='s').dt.tz_localize('UTC').dt.tz_convert('America/New_York')
# 简化日期列生成，避免循环apply
tweets['date'] = tweets['post_date'].dt.date

方案2：移除stock索引的时区信息 #

在getAvgPerPrice函数中，先将stock的索引转换为无时区的datetime：

from datetime import timedelta
import pandas as pd

def getAvgPerPrice(tweets, stockk):
    stock = stockk.copy()
    # 移除索引的时区信息，转为tz-naive
    stock.index = stock.index.tz_localize(None)
    result = pd.DataFrame([]) 
    for i in range(0, len(stock)-1):
        d = stock.index[i]
        next_d = stock.index[i+1]
        wanted_tweets = tweets[((tweets.post_date - timedelta(hours=3)) >= (d + timedelta(hours=h))) & 
                               ((tweets.post_date - timedelta(hours=3)) < (next_d + timedelta(hours=h)))]
        result.at[i,'date'] = d
        result.at[i,'close'] = stock.iloc[i].Close
        result.at[i,'avgScore'] = wanted_tweets['score'].mean()
    return result

额外优化 #

原代码中生成date列的方式可简化为矢量化操作，比循环apply更高效：

# 替换原apply写法
tweets['date'] = tweets['post_date'].dt.date

内容的提问来源于stack exchange，提问作者Deniz Turan