Pandas使用apply调用tz_convert返回object而非datetime类型问题

针对你遇到的情况，分两种场景给你具体解决方案：

场景1：所有行的时区偏移量固定 #

如果你的time_zone + daylight_saving在整个DataFrame中是同一个值，完全没必要用apply逐行处理——直接统一转换时区效率更高，还能直接得到带时区的datetime类型结果：

import pandas as pd
import pytz

# 计算总偏移量（取第一行的值即可，因为所有行相同）
total_offset = df['time_zone'].iloc[0] + df['daylight_saving'].iloc[0]
# 转换为目标时区
local_df = df.tz_convert(pytz.FixedOffset(total_offset))

# 查看结果索引类型
print(local_df.index)

输出会是带明确时区的DatetimeIndex，完全符合你的预期：

DatetimeIndex(['2017-06-02 01:00:00+01:00', '2017-06-02 02:00:00+01:00',
               '2017-06-02 03:00:00+01:00', '2017-06-02 04:00:00+01:00',
               '2017-06-02 05:00:00+01:00'],
              dtype='datetime64[ns, pytz.FixedOffset(60)]', name='END_DATE', freq=None)

场景2：时区偏移量随行变化 #

如果不同行的偏移量不一样，apply返回object类型是因为pandas无法用单一的时区datetime dtype存储不同时区的datetime对象。不过不用担心，这些object类型的元素本质还是带时区的datetime对象，完全可以正常进行时间运算（比如比较、加减）。

如果你想显式确保结果能被识别为datetime相关类型，或者避免用pd.to_datetime时转回UTC，可以这样做：

# 逐行转换时区
local_times = df.apply(
    lambda r: r.name.tz_convert(pytz.FixedOffset(r['time_zone'] + r['daylight_saving'])),
    axis=1
)

# 方法1：如果所有元素时区一致，用pd.to_datetime并指定utc=False
if all((df['time_zone'] + df['daylight_saving']) == (df['time_zone'] + df['daylight_saving']).iloc[0]):
    local_times = pd.to_datetime(local_times, utc=False)
    print(local_times.dtype)  # datetime64[ns, pytz.FixedOffset(60)]

# 方法2：如果时区有差异，保留object类型但确保元素是datetime对象
# 此时虽然dtype是object，但每个元素都是带时区的datetime，不影响使用
print(local_times.iloc[0].tz)  # 可以正常获取时区信息
print(local_times.iloc[1] - local_times.iloc[0])  # 正常计算时间差

为什么之前用pd.to_datetime会转回UTC？ #

因为pd.to_datetime默认会尝试将datetime转换为UTC时区（当输入包含时区信息时），只要显式指定utc=False，就能保留原有的时区信息，不会被强制转回UTC。

内容的提问来源于stack exchange，提问作者lgg