Python 3.x Python熊猫：支持25小时的datetime索引

我想使用日期/时间作为Pandas中数据帧的索引

但是，夏令时未在数据库中正确寻址，因此夏令时结束当天的日期/时间值为25小时，并表示为：

2019102700
2019102701
...
2019102724

我使用以下代码将这些值转换为

DateTime

对象，用作数据帧的索引：

df.index = pd.to_datetime(df["date_time"], format="%Y%m%d%H")

但是，这会产生一个错误：

ValueError: unconverted data remains: 4

大概是因为

to_datetime

函数不希望小时数为

24

。同样，夏令时开始的一天只有23小时

---

我想到的一个解决方案是将日期存储为字符串，但这似乎既不优雅也不高效。使用

到_datetime

时，有没有办法解决夏令时的处理问题？

我不确定这是不是最优雅或最有效的解决方案，但我会：

df.loc[df.date_time.str[-2:]=='25', 'date_time'] = (pd.to_numeric(df.date_time[df.date_time.str[-2:]=='25'])+100-24).apply(str)
df.index = pd.to_datetime(df["date_time"], format="%Y%m%d%H")

---

我不确定这是否是最优雅或最有效的解决方案，但我会：

df.loc[df.date_time.str[-2:]=='25', 'date_time'] = (pd.to_numeric(df.date_time[df.date_time.str[-2:]=='25'])+100-24).apply(str)
df.index = pd.to_datetime(df["date_time"], format="%Y%m%d%H")

---

如果您知道时区，这里有一种计算UTC时间戳的方法。仅解析日期部分，将数据定位到“所属”的实际时区，并将其转换为UTC。现在您可以解析小时部分并将其添加为时间增量-例如

import pandas as pd 

df = pd.DataFrame({'date_time_str': ['2019102722','2019102723','2019102724',
                                     '2019102800','2019102801','2019102802']})

df['date_time'] = (pd.to_datetime(df['date_time_str'].str[:-2], format='%Y%m%d')
                   .dt.tz_localize('Europe/Berlin')
                   .dt.tz_convert('UTC'))

df['date_time'] += df['date_time_str'].str[-2:].astype('timedelta64[h]')

# df['date_time']
# 0   2019-10-27 20:00:00+00:00
# 1   2019-10-27 21:00:00+00:00
# 2   2019-10-27 22:00:00+00:00
# 3   2019-10-27 23:00:00+00:00
# 4   2019-10-28 00:00:00+00:00
# 5   2019-10-28 01:00:00+00:00
# Name: date_time, dtype: datetime64[ns, UTC]

---

如果您知道时区，这里有一种计算UTC时间戳的方法。仅解析日期部分，将数据定位到“所属”的实际时区，并将其转换为UTC。现在您可以解析小时部分并将其添加为时间增量-例如

import pandas as pd 

df = pd.DataFrame({'date_time_str': ['2019102722','2019102723','2019102724',
                                     '2019102800','2019102801','2019102802']})

df['date_time'] = (pd.to_datetime(df['date_time_str'].str[:-2], format='%Y%m%d')
                   .dt.tz_localize('Europe/Berlin')
                   .dt.tz_convert('UTC'))

df['date_time'] += df['date_time_str'].str[-2:].astype('timedelta64[h]')

# df['date_time']
# 0   2019-10-27 20:00:00+00:00
# 1   2019-10-27 21:00:00+00:00
# 2   2019-10-27 22:00:00+00:00
# 3   2019-10-27 23:00:00+00:00
# 4   2019-10-28 00:00:00+00:00
# 5   2019-10-28 01:00:00+00:00
# Name: date_time, dtype: datetime64[ns, UTC]

---

选择第一个和最后一个索引，将它们转换为支持tz_的datetime，然后您可以生成一个处理25小时工作日的date_范围。并将日期范围指定给df索引：

start = pd.to_datetime(df.index[0]).tz_localize("Europe/Berlin")
end = pd.to_datetime(df.index[-1]).tz_localize("Europe/Berlin")
index_ = pd.date_range(start, end, freq="15min")
df = df.set_index(index_)

---

选择第一个和最后一个索引，将它们转换为支持tz_的datetime，然后您可以生成一个处理25小时工作日的date_范围。并将日期范围指定给df索引：

start = pd.to_datetime(df.index[0]).tz_localize("Europe/Berlin")
end = pd.to_datetime(df.index[-1]).tz_localize("Europe/Berlin")
index_ = pd.date_range(start, end, freq="15min")
df = df.set_index(index_)

---

试着用df['date']=df.index.to_series（）.str.slice（stop=-2）和倒数的

.slice（start=-2）

计算时间，然后用日历计算夏令时的时间。你知道时区吗？间隔是否像你的例子（1h）中那样有规律？@MrFuppes是的，我知道

df['date']=df.index.to_series（）.str.slice（stop=-2）

，倒数

.slice（start=-2）

表示时间，然后用日历计算夏令时的时间。你知道时区吗？间隔是否与你的示例（1h）一样规则？@MrFuppes是的，我更喜欢MrFuppes的解决方案，但谢谢你的回答，这也很有效！名字也不错：）我更喜欢Fuppes先生的解决方案，但谢谢你的回答，那也行！名字也不错：）