Python 3.x 熊猫：使用'时处理偏移时区值；DatetimeIndex'；_Python 3.x_Pandas_Dataframe

Python 3.x 熊猫：使用'时处理偏移时区值；DatetimeIndex'；

python-3.x pandas dataframe

Python 3.x 熊猫：使用'时处理偏移时区值；DatetimeIndex'；,python-3.x,pandas,dataframe,Python 3.x,Pandas,Dataframe,我有一个datetime列EST EST 2017-01-01 19:00:00-05:00 2017-01-01 19:01:00-05:00 2017-01-01 19:02:00-05:00 2017-01-01 19:03:00-05:00 2017-01-01 19:05:00-05:00 2017-01-01 19:06:00-05:00 .... 2017-12-31 23:01:00-05:00 在这里，您可以看到每次都有一个拖尾-05:00。这个尾随的-05:00是在我从GM

我有一个

datetime

列

EST

EST
2017-01-01 19:00:00-05:00
2017-01-01 19:01:00-05:00
2017-01-01 19:02:00-05:00
2017-01-01 19:03:00-05:00
2017-01-01 19:05:00-05:00
2017-01-01 19:06:00-05:00
....
2017-12-31 23:01:00-05:00

在这里，您可以看到每次都有一个拖尾

-05:00

。这个尾随的

-05:00

是在我从

GMT

转换到

EST

时添加的

如何删除

-05:00

原因是当我这样做时：

df['EST']=pd.DatetimeIndex（df['EST']'）

我得到这个错误：

TypeError:[datetime.datetime（2017,12,31,19,0，tzinfo=tzoffset（None，-18000））

您能帮我解决这个问题吗？

我们可以通过使用删除

-05:00

，并将其设置为

None

。然后我们可以使用

pd.\u datetime

：

df['EST'] = pd.to_datetime(df['EST']).dt.tz_localize(None)

如果

EST

是您的索引，请使用：

df.index = pd.DatetimeIndex(df['EST']).dt.tz_localize(None)

我们可以使用删除

-05:00

，并将其设置为

None

。然后我们可以使用

pd.to\u datetime

：

df['EST'] = pd.to_datetime(df['EST']).dt.tz_localize(None)

如果

EST

是您的索引，请使用：

df.index = pd.DatetimeIndex(df['EST']).dt.tz_localize(None)

我想您可以使用

.dt.tz_localize

选项

None

假设您的

EST

列已经是

datetime

dtype

样本数据：

df['EST']:
0   2017-01-01 19:00:00-05:00
1   2017-01-01 19:01:00-05:00
2   2017-01-01 19:02:00-05:00
3   2017-01-01 19:03:00-05:00
4   2017-01-01 19:05:00-05:00
5   2017-01-01 19:06:00-05:00
Name: EST, dtype: datetime64[ns, US/Eastern]

使用

.dt.tz_本地化输出
df['EST'].dt.tz_localize(None)

Out[2386]:
0   2017-01-01 19:00:00
1   2017-01-01 19:01:00
2   2017-01-01 19:02:00
3   2017-01-01 19:03:00
4   2017-01-01 19:05:00
5   2017-01-01 19:06:00
Name: EST, dtype: datetime64[ns]

我想您可以使用.dt.tz_localize
选项None
假设您的EST
列已经是datetime
dtype
样本数据：
df['EST']:
0   2017-01-01 19:00:00-05:00
1   2017-01-01 19:01:00-05:00
2   2017-01-01 19:02:00-05:00
3   2017-01-01 19:03:00-05:00
4   2017-01-01 19:05:00-05:00
5   2017-01-01 19:06:00-05:00
Name: EST, dtype: datetime64[ns, US/Eastern]

使用.dt.tz_本地化输出
df['EST'].dt.tz_localize(None)

Out[2386]:
0   2017-01-01 19:00:00
1   2017-01-01 19:01:00
2   2017-01-01 19:02:00
3   2017-01-01 19:03:00
4   2017-01-01 19:05:00
5   2017-01-01 19:06:00
Name: EST, dtype: datetime64[ns]

当我执行df['EST'].dt.tz_localize（None）
时，我得到了这个错误AttributeError:只能使用带有datetimelike值的.dt访问器
@floss:这意味着你的df['EST']不是datetime
dtype。您需要使用pd.to\u datetime
将其转换为datetime，或者使用pd.datetimeindex
构建直接datetime索引，并指定tz
信息。但是，最终输出将-05:00
反映到时间中。这意味着它将是00:00:xx
，并且日期增加1天aymydf['EST']
格式正确，但是当我从GMT
转换到EST
时，我得到了尾随偏移量值-05:00
。当我执行df['EST'].dt.tz_本地化（无）
时，我得到了这个错误AttributeError:只能使用带有datetimelike值的.dt访问器
@floss:这意味着你的df['EST']不是datetime
dtype。您需要使用pd.to\u datetime
将其转换为datetime，或者使用pd.datetimeindex
构建直接datetime索引，并指定tz
信息。但是，最终输出将-05:00
反映到时间中。这意味着它将是00:00:xx
，并且日期增加1天aymydf['EST']
格式正确，但是当我从GMT
转换到EST
时，我得到了尾随偏移量值-05:00
。这很有效，但在这种情况下这是最佳解决方案吗？pd.DatetimeIndex（df['EST']）
和pd.to_datetime（df['EST']）之间有什么区别
？因为我一直在使用pd.DatetimeIndex
，所以我假设“EST”在本例中是一列，而不是您的索引。如果它是您的索引，您是正确的，我们必须使用pd.DatetimeIndex
，请参阅我的编辑。@flossI使用了pd.to\u datetime（df['EST']）.dt.tz\u本地化（无）
我得到了这个错误：ValueError:Array必须是同一个时区
（和）ValueError:Tz-aware-datetime.datetime无法转换为datetime64，除非utc=True
我可以确认您提供的示例数据集的情况。如果这适用于您的整个数据集，则它可以正常工作。@flossThis可以工作，但在这种情况下，这是最佳解决方案吗？pd.DatetimeIndex（df）之间的区别是什么['EST']'
和pd.to_datetime（df['EST']）
？因为我一直在使用pd.DatetimeIndex
，所以我假设在这种情况下'EST'是一列，而不是你的索引。如果它是你的索引，你是正确的，我们必须使用pd.DatetimeIndex
，请参见我的编辑。@flossI usedpd.to_datetime（df['EST']）.dt\u本地化（无）
我得到了这个错误：ValueError:Array必须都是相同的时区
（并且）ValueError:Tz-aware-datetime.datetime不能转换为datetime64，除非utc=True
我可以确认您提供的示例数据集。如果这可以推广到整个数据集，那么它就可以正常工作。@floss