CSV文件UTC时间列转US/Pacific时区出现AmbiguousTimeError如何解决

错误根源 #

• 你的EmailSentDateTimeUtc列是存储UTC时间的无时区标记原生datetime类型，你直接用tz_localize('US/Eastern')会强制将该列时间按美国东部时区解读，不仅逻辑完全错误，还刚好触发了美国时令切换的歧义时间报错：2018年11月4日是美国夏令时转冬令时的日期，当天1:00-2:00会重复出现两次，ambiguous='infer'无法判定时间归属就会抛出AmbiguousTimeError。
• 你原本的转换逻辑冗余：UTC时间转太平洋时区完全不需要经过东部时区中转，多一步操作反而增加出错概率。

正确实现方案 #

正确的时区转换流程为：先给原生UTC时间标记UTC时区属性，再直接转换为美国太平洋时区即可，不会触发歧义时间报错：

# 1. 给原生UTC时间列标记UTC时区属性
df_emails['EmailSentDateTimeUtc'] = df_emails['EmailSentDateTimeUtc'].dt.tz_localize('UTC')
# 2. 直接转换为US/Pacific时区，可根据需求覆盖原列或存为新列
df_emails['EmailSentDateTimePacific'] = df_emails['EmailSentDateTimeUtc'].dt.tz_convert('US/Pacific')

极端场景适配 #

如果你确实需要处理美国东部时区的原生时间（非当前UTC转太平洋的需求），可以通过以下参数避免歧义报错：

• 所有歧义时间统一设为空值：ambiguous='NaT'
• 强制所有歧义时间按夏令时/冬令时处理：传入布尔数组，比如ambiguous=[False]*len(df_emails)统一按冬令时计算

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