Python 处理熊猫的时区原始日期时间

我有一些包含时区原始日期的JSON数据

["2014-03-07T09:04:26.943", "2014-03-06T20:35:21.937", "2014-02-25T12:39:44"]

我使用pandas.read_json读取这些数据，它将其视为一个对象列

我知道数据在太平洋时区，而不是UTC

是否有一种矢量化的方法将其转换为np.datetime64列？目前，我正在做：

def _parse_datetime(dt_string):
    # We are provided timezone naive data that is in Pacific time. Convert it to UTC.
    timestamp = pd.Timestamp(dt_string, tz="US/Pacific")
    if pd.isnull(timestamp):
        return pd.NaT
    return np.datetime64(timestamp)

data.apply(_parse_datetime)

这对于大量数据来说是非常缓慢的

更新：

通过指定convert_dates，我可以将数据强制为datetime。但是，在尝试本地化时，出现了以下错误：

>>> dates = """["2014-03-07T09:04:26.943", "2014-03-06T20:35:21.937", "2014-02-25T12:39:44"]""" 
>>> baz = pd.read_json(dates, convert_dates=[0])[0]
>>> baz.tz_localize('US/Pacific')
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/Users/abeer/.virtualenvs/venv/lib/python2.7/site-packages/pandas/core/generic.py", line 3494, in tz_localize
ax_name)
TypeError: index is not a valid DatetimeIndex or PeriodIndex

>>日期=“2014-03-07T09:04:26.943”、“2014-03-06T20:35:21.937”、“2014-02-25T12:39:44””
>>>baz=pd.read_json（日期，转换日期=[0]）[0]
>>>baz.tz_本地化（“美国/太平洋”）
回溯（最近一次呼叫最后一次）：
文件“”，第1行，在
tz_本地化文件“/Users/abeer/.virtualenvs/venv/lib/python2.7/site packages/pandas/core/generic.py”，第3494行
（姓名）
TypeError:索引不是有效的DatetimeIndex或PeriodIndex

---

更一般地说，我尝试对数据帧中的列执行此操作，因此无法修改索引。

使用convert\u dates选项指定列，或者使用series type选项应自动转换

>>> pd.read_json(dates, convert_dates=[0])[0]
0   2014-03-07 09:04:26.943000
1   2014-03-06 20:35:21.937000
2          2014-02-25 12:39:44
Name: 0, dtype: datetime64[ns]
>>> pd.read_json(dates, typ='series')
0   2014-03-07 09:04:26.943000
1   2014-03-06 20:35:21.937000
2          2014-02-25 12:39:44
dtype: datetime64[ns]

从那里你可以在时间戳上使用tz_本地化。假设这太慢了

baz.apply(lambda ts: ts.tz_localize('US/Pacific'))

内联的tz_localize作用于索引（而不是值）：

---

将

convert_dates

kwarg设置为带有日期值的列是否有助于最初将值读取为日期？谢谢，传递convert_dates有助于正确解析日期。然而，我仍然不能以一种不受欢迎的方式使用tz_本地化。我更新了问题的更多细节。

>>> pd.Series(index=baz).tz_localize('US/Pacific')
0
2014-03-07 09:04:26.943000-08:00   NaN
2014-03-06 20:35:21.937000-08:00   NaN
2014-02-25 12:39:44-08:00          NaN
dtype: float64