如何正确合并含不同时区时间列的Pandas DataFrame？

问题核心是两个DataFrame的tsr列时区不同——哪怕它们代表同一绝对时刻，不同的时区标记也会让Pandas判定为不同值，导致merge时无法匹配。完全不需要转成字符串合并，统一两个时间列的时区才是正确做法。

解决步骤 #

1. 统一时区 #

把其中一个DataFrame的时间列转换为和另一个相同的时区，二选一即可：

• 方案一：将df2的时间转为UTC时区（和df1一致）

import pandas as pd

# 转换df2的tsr到UTC时区
df2["tsr"] = df2["tsr"].dt.tz_convert("UTC")
# 基于统一后的tsr列合并
merged_df = pd.merge(df1, df2, on="tsr")

• 方案二：将df1的时间转为Pacific/Auckland时区（和df2一致）

import pandas as pd

# 转换df1的tsr到Pacific/Auckland时区
df1["tsr"] = df1["tsr"].dt.tz_convert("Pacific/Auckland")
# 基于统一后的tsr列合并
merged_df = pd.merge(df1, df2, on="tsr")

2. 为什么不建议转字符串？ #

转字符串虽然可能临时解决匹配问题，但存在明显弊端：

• 若时间字符串格式存在细微差异（比如时区显示格式不同），会直接导致匹配失败；
• 丢失datetime类型的特性，后续无法直接进行时间加减、按时间段筛选等操作。

验证匹配结果 #

统一时区后，Pandas会正确识别同一绝对时刻的时间值，合并后就能得到你期望的对应关系：

2021-10-01 00:30:00+00:00   2021-10-01 00:30:00+13:00
2021-10-01 01:00:00+00:00   2021-10-01 01:00:00+13:00
2021-10-01 01:30:00+00:00   2021-10-01 01:30:00+13:00
2021-10-01 02:00:00+00:00   2021-10-01 02:00:00+13:00

内容的提问来源于stack exchange，提问作者Yiffany