如何将Pandas中时区各异的日期时间列统一转换为同一时区？

首先得明确你的日期列当前的状态：是无时区感知（naive datetime）还是已经带有时区信息（aware datetime）？

• 如果是naive datetime（也就是df['date_col'].dt.tz返回None）：
  你需要先给它指定原始时区，再转换到目标时区。比如假设原始数据是基于纽约时间采集的，要转成UTC：

  import pandas as pd
  
  # 先把列转为datetime类型（如果还不是的话）
  df['date_col'] = pd.to_datetime(df['date_col'])
  # 第一步：指定原始时区
  df['date_col'] = df['date_col'].dt.tz_localize('America/New_York')
  # 第二步：转换到目标时区（比如UTC）
  df['date_col'] = df['date_col'].dt.tz_convert('UTC')
  

• 如果已经是aware datetime（df['date_col'].dt.tz能看到具体时区）：
  直接用tz_convert转到目标时区就行：

  df['date_col'] = df['date_col'].dt.tz_convert('Asia/Shanghai')
  

从PostgreSQL加载的datetime列，只要你的驱动（比如psycopg2）配置正确，Pandas会自动识别为带时区的datetime64[ns, tz]类型。处理思路是分别处理每一列，先确认各自的原始时区，再统一转换到目标时区。

举个具体例子：假设你的数据框有两列order_time（原始时区是UTC）和delivery_time（原始时区是'Europe/Paris'），要统一转成'America/Chicago'：

import pandas as pd

# 假设已经从PostgreSQL加载好数据框df
# 确认每列的时区（可选，用来验证）
print(df['order_time'].dt.tz)
print(df['delivery_time'].dt.tz)

# 分别转换到目标时区
df['order_time_chicago'] = df['order_time'].dt.tz_convert('America/Chicago')
df['delivery_time_chicago'] = df['delivery_time'].dt.tz_convert('America/Chicago')

# 如果你想覆盖原列也可以：
# df['order_time'] = df['order_time'].dt.tz_convert('America/Chicago')
# df['delivery_time'] = df['delivery_time'].dt.tz_convert('America/Chicago')

如果某一列里存在混合时区（同一列里有不同时区的datetime），这种情况比较少见，但如果遇到，你可以用apply逐行处理：

def convert_to_utc(dt):
    if dt.tz is None:
        return dt.tz_localize('UTC')  # 假设无时区的默认是UTC
    return dt.tz_convert('UTC')

df['mixed_tz_col'] = df['mixed_tz_col'].apply(convert_to_utc)

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