Python 在pandas read csv函数中推断日期时间格式时，如何保持数据帧索引的时区？

我正在尝试读取一个csv文件，其索引存储为

YYYY-MM-DD HH:MM:SS UTC

格式。以下是如何将日期存储在csv文件中的示例：

2018-11-19 13:32:00 UTC

读取csv文件时，我使用的是

pandas.read\u csv（）

。此函数具有内置参数，可推断索引的日期时间，这将显著加快进程

但是，将csv文件读入数据帧时，

UTC

时区将被删除。下面是我的代码：

df=pd.read\u csv（'bitfinex\u ENJ\u USD\u 1m.csv'，
分隔符='，'，
索引列='日期'，
引擎='c'，
parse_dates=True，
推断（日期时间格式=真）

---

我曾尝试查阅文档，虽然我可以使用

tz.localize

功能，但这将非常昂贵，因为此数据集非常大，需要操作整个索引以添加csv文件中已有的信息。我想知道在执行

read\u csv

功能时，是否有一种方法可以显式保留此时区组件？

无法复制（get I get datetime64[ns，UTC]）->您可以尝试使用

parse\u dates=['Date']

？另外，我认为您不需要将expert\u datetime\u format设置为True。另外，您必须指定引擎吗？指定引擎会将读取文件的速度提高3倍。那么您是否尝试了我的其他建议？另一件需要记住的事情是，pandas在内部处理不知道的日期时间，就像它是UTC一样（与本机Python相反，本机Python假定本地时间）。所以，虽然在你的例子中，它当然应该被正确地解析，但从实际的角度来看，我认为这是可以容忍的。是的，我尝试过将推断日期时间格式设置为False，现在似乎成功了。它删除了UTC，并将其替换为+00:00，我想这也行。尽管这样，运行时会变慢。

+00:00

表示UTC，因此这是预期的。列数据类型现在应该是

datetime64[ns，UTC]

。您可以尝试的另一个选项是使用

utc=True进行解析，请参阅。我怀疑这是否有助于提高性能。无法复制（get I get datetime64[ns，UTC]）->您可以尝试使用
parse_dates=['Date']
？另外，我认为您不需要将expert\u datetime\u format设置为True。另外，您必须指定引擎吗？指定引擎会将读取文件的速度提高3倍。那么您是否尝试了我的其他建议？另一件需要记住的事情是，pandas在内部处理不知道的日期时间，就像它是UTC一样（与本机Python相反，本机Python假定本地时间）。所以，虽然在你的例子中，它当然应该被正确地解析，但从实际的角度来看，我认为这是可以容忍的。是的，我尝试过将推断日期时间格式设置为False，现在似乎成功了。它删除了UTC，并将其替换为+00:00，我想这也行。尽管这样，运行时会变慢。
+00:00
表示UTC，因此这是预期的。列数据类型现在应该是
datetime64[ns，UTC]
。您可以尝试的另一个选项是使用
utc=True进行解析，请参阅。我怀疑这是否有助于提高绩效。