pandas中的时区相关

pytz 库

时间序列处理中比较烦的是对时区的处理&＃xff0c;尤其是夏令时&＃xff08;DST&＃xff09;转变。
许多人都选择以协调世界时&＃xff08;UTC&＃xff09; 来处理时间序列
在python中 时区信息来自于 pytz 库。

import datetimeimport pandas as pdimport numpy as npimport pytzr1 &＃61; pytz.common_timezones[-5:]# print(r1) # [&＃39;US/Eastern&＃39;, &＃39;US/Hawaii&＃39;, &＃39;US/Mountain&＃39;, &＃39;US/Pacific&＃39;, &＃39;UTC&＃39;]# 获取时区对象tz &＃61; pytz.timezone("US/Eastern")# print(tz)


本地化与转换

在默认的情况下 pd 中的时区是单纯的 native 时区

rng &＃61; pd.date_range(&＃39;3/9/2012&＃39;, periods&＃61;6, freq&＃61;"D")# print(rng)ts &＃61; pd.Series(np.random.randn(len(rng)), index&＃61;rng)# print(ts)# 其索引的 tz 字段是 None# print(ts.index.tz) # None# 在生成日期范围的时候可以加上时区集rng &＃61; pd.date_range(&＃39;3/9/2012&＃39;, periods&＃61;10, freq&＃61;"D", tz&＃61;"UTC")# print(rng)# 从单纯到本地化的转换是通过 tz_localize实现的# print(ts)ts_utc &＃61; ts.tz_localize("UTC")# print(ts_utc)# print(ts_utc.index)# 一旦时间序列被本地化到某个特定的时区&＃xff0c;就可以用 tz_convert 转为别的时区ts_eas &＃61; ts_utc.tz_convert("US/Eastern")# print(ts_eas.index)# tz_localize 和 tz_convert 也是 DataFrameIndex 的实例方法ts_shanghai &＃61; ts.index.tz_localize("Asia/Shanghai")# print(ts_shanghai)


操作时区意识型 Timestamp 对象

stamp &＃61; pd.Timestamp("2011-03-12 04:00")# print(stamp)stamp_utc &＃61; stamp.tz_localize("utc")# print(stamp_utc)eas_utc &＃61; stamp_utc.tz_convert("US/Eastern")# print(eas_utc)# 在创建 Timestamp 的时候&＃xff0c;就可以传入一个时区信息stamp_moscow &＃61; pd.Timestamp("2011-03-12 04:00", tz&＃61;"Europe/Moscow")# print(stamp_moscow)"""时区意识型TimeStamp对象在内部保留了一个 UTC 时间戳对象这个 UTC 值在时区的转换过程中是不会发生变化的 """v1 &＃61; stamp_utc.valuev2 &＃61; eas_utc.valuev3 &＃61; stamp_moscow.value# print(v1 &＃61;&＃61; v2)# print(v1 &＃61;&＃61; v3)"""当使用 pd 的 DateOffset 对象执行算术运算 运算过程会自动关注是否存在夏令时转变期"""from pandas.tseries.offsets import Hourstamp &＃61; pd.Timestamp(&＃39;2012-03-12 01:30&＃39;, tz&＃61;"US/Eastern")# print(stamp)# print(stamp.tz_convert("UTC"))# print()t2 &＃61; stamp &＃43; Hour()# print(t2)# print(t2.tz_convert(&＃39;UTC&＃39;))


不同的时区之间的运算

"""不同的时区之间的运算 最终的结果会是 UTC由于时间戳其实是以 UTC 格式存储的&＃xff0c;所以是一个很简单的运算&＃xff0c;并不需要任何转换 """rng &＃61; pd.date_range("3/7/2012 9:30", periods&＃61;10, freq&＃61;"B")ts &＃61; pd.Series(np.random.randn(len(rng)), index&＃61;rng)# print(ts)ts1 &＃61; ts[:7].tz_localize("Europe/London")ts2 &＃61; ts1[2:].tz_convert("Europe/Moscow")# print(ts1)# print(ts2)res &＃61; ts1 &＃43; ts2print(res.index)