Python 根据列值将UNIX时间转换为多个不同的时区

我有一个带有UNIX时间戳的数据帧（这些是整数而不是时间对象）。这些观测发生在多个地理位置，因此有多个时区我想根据观测的地理位置将UNIX时间戳转换为每个时区的本地时间（在新列中）（此信息在数据框的一列中）

简单的工作示例：

创建数据帧：

c1=[1546555701, 1546378818, 1546574677, 1546399159, 1546572278]
c2=['America/Detroit','America/Chicago','America/Los_Angeles','America/Los_Angeles','America/Detroit']

df3=pd.DataFrame(list(zip(c1,c2)),columns=['utc','tz'])

print(df3)

预期产出：

          utc                   tz
0  1546555701      America/Detroit
1  1546378818      America/Chicago
2  1546574677  America/Los_Angeles
3  1546399159  America/Los_Angeles
4  1546572278      America/Detroit

当前尝试：

df3['date_time']=pd.to_datetime(df3['utc'],unit='s')
print(df3)

返回：

          utc                   tz           date_time
0  1546555701      America/Detroit 2019-01-03 22:48:21
1  1546378818      America/Chicago 2019-01-01 21:40:18
2  1546574677  America/Los_Angeles 2019-01-04 04:04:37
3  1546399159  America/Los_Angeles 2019-01-02 03:19:19
4  1546572278      America/Detroit 2019-01-04 03:24:38

这将转换为datetime对象，但我不确定如何控制时区（我想它会给我本地时区中的时间）。这当然不是基于“tz”一栏

我已经研究了熊猫的功能和功能，但还没有弄清楚如何让它们发挥作用。我也愿意接受其他解决方案我不仅关心时区，而且还要确保夏令时得到正确处理。

假设POSIX时间戳（自1970-01-01 UTC起的秒数），您可以使用关键字UTC=True直接转换为UTC

import pandas as pd

c1=[1546555701, 1546378818, 1546574677, 1546399159, 1546572278]
c2=['America/Detroit','America/Chicago','America/Los_Angeles','America/Los_Angeles','America/Detroit']

df3=pd.DataFrame(list(zip(c1,c2)),columns=['utc','tz'])
df3['date_time']=pd.to_datetime(df3['utc'], unit='s', utc=True)

# df3['date_time']
# 0   2019-01-03 22:48:21+00:00
# 1   2019-01-01 21:40:18+00:00
# 2   2019-01-04 04:04:37+00:00
# 3   2019-01-02 03:19:19+00:00
# 4   2019-01-04 03:24:38+00:00
# Name: date_time, dtype: datetime64[ns, UTC]

然后，您可以使用apply对每个值应用时区，例如

def setTZ(row):
    return row['date_time'].tz_convert(row['tz'])

df3['date_time']=df3.apply(lambda r: setTZ(r), axis=1)

# df3
#           utc                   tz                  date_time
# 0  1546555701      America/Detroit  2019-01-03 17:48:21-05:00
# 1  1546378818      America/Chicago  2019-01-01 15:40:18-06:00
# 2  1546574677  America/Los_Angeles  2019-01-03 20:04:37-08:00
# 3  1546399159  America/Los_Angeles  2019-01-01 19:19:19-08:00
# 4  1546572278      America/Detroit  2019-01-03 22:24:38-05:00

请注意，对于混合时区，您不能对序列使用

dt

访问器。您需要迭代代码，例如

df3['date_time'].apply(lambda t: t.hour)

获取每个日期时间的小时数。解决此问题的一种方法是创建一个具有本地时间但不知道时区的列：

def toLocalTime(row):
    return row['date_time'].tz_convert(row['tz']).replace(tzinfo=None)

df3['local_time'] = df3.apply(lambda r: toLocalTime(r), axis=1)

---

这些不是UTC时间戳。它们可能是Unix时间戳。这不是吹毛求疵。在Unix系统之外，编程时间戳通常意味着完整的ISO8601时间戳。在数据库中，

时间戳

类型或其等价物是日期+时间value@PanagiotisKanavos你是对的，我已经相应地修改了问题。如果你只需要使用这些时间戳，我建议将其保留在UTC中，并保留时区信息。我只会转换成一个特定的tz，如果你需要它来做演示或做其他事情（需要它是人类可读的）。@MrFuppes我需要能够比较底特律早上5点的观察结果和波士顿早上5点的观察结果。这似乎需要转换，不是吗？我（可能很明显）不熟悉使用时间戳，所以我愿意接受建议和改进的工作流程；混合时区可以，但不能使用

dt

访问器，因此单个时间戳属性更难提取。我假设tz_convert（）也处理夏令时，对吗？@amquack:是的。你是对的，正如你提到的，对于比较来说，转换成时区似乎更容易。既然您有IANA时区名称，这应该不会引起任何问题。但是，由于您有混合时区，

dt

访问器将无法工作-这可能会有点痛苦，因为您需要交互式代码。我想知道是否有一种方法可以做到这一点而不必逐行进行。您提到了dt访问器（我不确定那是什么）。但我想知道这是否是一个有用的工具，通过在转换之前按时区排序来加快速度。我这样问是因为这已经成为我过程中的瓶颈。最初的“to_datetime（）函数非常快，但是时区转换非常慢（我想是因为它是逐行转换的）@amquack：对于我所不知道的混合时区。这也是为什么我建议将其保持在UTC，因为这部分很快。