Pandas date_range减去numpy timedelta异常：时间非00:00:00

我之前也碰到过一模一样的问题——用date_range生成的标准化午夜日期，减月后时间居然跑偏了，折腾了好一会儿才搞清楚原因，给你几个靠谱的解决思路：

先复现你的问题 #

假设test_size=1，你的代码简化后是这样的：

import pandas as pd

test_size = 1
dates = pd.date_range(start='1/1/2013', end='1/1/2018', freq=f"{test_size}MS", closed='left', normalize=True)
date = dates[0]
print("原日期:", date)  # 输出 Timestamp('2013-01-01 00:00:00', freq='MS')

# 执行减月操作（比如减1个月）
new_date = date - pd.DateOffset(months=1)
# 某些场景下会输出类似 Timestamp('2012-12-01 00:00:00')，但如果碰到时区/夏令时或者精度问题，时间可能变成23:59:59.999999或者00:00:00.000001

为什么会出现这个问题？ #

主要有两个常见原因：

• 精度问题：Pandas的Timestamp底层依赖numpy.datetime64，在跨月份计算时，偶尔会出现浮点数精度误差，导致时间部分偏离午夜。
• 时区/夏令时影响：如果你的日期带有时区信息，减月操作可能会触发夏令时切换的时间调整，比如从夏令时切换到冬令时，时间会自动偏移1小时。

解决方案 #

方案1：强制规范化到午夜 #

每次减月后，用normalize()或者floor('D')强制把时间重置为当天00:00:00，这是最通用的解决办法：

# 方法A：使用normalize()
fixed_date = (date - pd.DateOffset(months=1)).normalize()

# 方法B：使用floor('D')
fixed_date = (date - pd.DateOffset(months=1)).floor('D')

方案2：针对月初日期用专用偏移工具 #

因为你的日期都是月初（freq='MS'），可以直接用pd.offsets.MonthBegin来做偏移，它会严格保持月初的午夜时间：

# 减N个月，保持月初
fixed_date = date - pd.offsets.MonthBegin(1)  # 1是要减的月数

方案3：时区问题的特殊处理 #

如果你的日期带有时区，先转成UTC计算再转回去，避免夏令时干扰：

# 假设date带时区信息
fixed_date = (date.tz_convert('UTC') - pd.DateOffset(months=1)).tz_convert(date.tz).normalize()

验证效果 #

跑一下测试代码就能看到差异：

import pandas as pd
from dateutil.relativedelta import relativedelta

test_size = 1
dates = pd.date_range(start='1/1/2013', end='1/1/2018', freq=f"{test_size}MS", closed='left', normalize=True)
date = dates[0]

# 未处理的减月结果（可能出现时间偏移）
bad_date = date - relativedelta(months=1)
print("未处理结果:", bad_date)

# 处理后的结果
good_date = (date - relativedelta(months=1)).normalize()
print("处理后结果:", good_date)

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