如何解析含多时区的DataFrame对象索引为日期、时间及时区

索引格式为YYYY-MM-DD HH:MM:SS-HH:MM，右侧的HH:MM代表时区。示例（2020年1月1日山区时间零点起的时间序列）：

2020-01-01 00:00:00-07:00
2020-01-01 01:00:00-07:00
2020-01-01 02:00:00-07:00
2020-01-01 04:00:00-06:00

现有代码仅支持单时区场景，引入第二个时区时触发报错：

df['Date'] = pd.to_datetime(df.index)
df['year']= df['Date'].dt.year
df['month']= df['Date'].dt.month
df['month_n']= df['Date'].dt.month_name()
df['day']= df['Date'].dt.day
df['day_n']= df['Date'].dt.day_name()
df['h']= df['Date'].dt.hour
df['mn']= df['Date'].dt.minute
df['s']= df['Date'].dt.second

报错信息：

ValueError: 带时区的datetime.datetime无法转换为datetime64，除非指定utc="True"

解决方法 #

方法1：统一转换为UTC时区解析 #

在pd.to_datetime中指定utc=True，将所有带时区的时间转换为UTC标准时间，即可正常提取各类日期时间字段，同时可额外提取原时区标识：

# 解析索引为UTC时区的datetime列
df['Date'] = pd.to_datetime(df.index, utc=True)

# 提取日期时间各字段
df['year'] = df['Date'].dt.year
df['month'] = df['Date'].dt.month
df['month_n'] = df['Date'].dt.month_name()
df['day'] = df['Date'].dt.day
df['day_n'] = df['Date'].dt.day_name()
df['h'] = df['Date'].dt.hour
df['mn'] = df['Date'].dt.minute
df['s'] = df['Date'].dt.second
# 提取原始时区信息
df['original_timezone'] = df.index.str.extract(r'([+-]\d{2}:\d{2})$')[0]

方法2：保留原始时区的本地化处理 #

如果需要保留每个时间点的原始时区，可将索引转换为带时区的datetime.datetime对象列表，通过遍历提取字段（因为pandas不支持混合时区的datetime64列）：

# 将索引转为带时区的datetime对象列表
date_objs = pd.to_datetime(df.index).tolist()

# 遍历提取各字段
df['year'] = [dt.year for dt in date_objs]
df['month'] = [dt.month for dt in date_objs]
df['month_n'] = [dt.strftime('%B') for dt in date_objs]
df['day'] = [dt.day for dt in date_objs]
df['day_n'] = [dt.strftime('%A') for dt in date_objs]
df['h'] = [dt.hour for dt in date_objs]
df['mn'] = [dt.minute for dt in date_objs]
df['s'] = [dt.second for dt in date_objs]
df['timezone'] = [dt.tzname() for dt in date_objs]

报错原因 #

当索引包含多个不同时区的时间戳时，pd.to_datetime(df.index)会生成带时区的datetime对象数组，但pandas的datetime64列无法存储混合时区数据，必须统一转换为UTC时区（指定utc=True），或用object类型存储单个带时区的datetime对象。

内容的提问来源于stack exchange，提问作者db2016