Python 将具有不同时区的datetime转换为特定日期中的日期

属性来存储最近赢得的交易，它以非常奇怪的格式存储信息。数据是具有不同时区的日期时间格式

我收到以下错误：

2018-11-16 11:32:51.285000+01:00    
2019-02-28 17:13:49.492000+01:00    
2018-08-29 09:50:51+02:00   

2019-11-16
2019-02-28
2018-08-29

“如果tzaware，则这些值表示unix时间戳，因此我们”和“ValueError:数组必须是同一时区”

当我尝试以下命令之一时：

pd.to\u datetime（df1['properties\uu recent\u deal\u close\u date\u value']

）

及

我想转换如下数据：

2018-11-16 11:32:51.285000+01:00    
2019-02-28 17:13:49.492000+01:00    
2018-08-29 09:50:51+02:00   

2019-11-16
2019-02-28
2018-08-29

对此：

2018-11-16 11:32:51.285000+01:00    
2019-02-28 17:13:49.492000+01:00    
2018-08-29 09:50:51+02:00   

2019-11-16
2019-02-28
2018-08-29

使用：

输出：

Date: 2018-11-16
Date: 2019-02-28
Date: 2018-08-29

---

谢谢我只需要弄清楚如何遍历所有行。@MatijaŽiberna

对于索引，df.iterrows（）中的行：

？

对于索引，df1中的行。iterrows（）：row['properties\uu recent\u deal\u close\u date\uu value']=dparser.parse（row，fuzzy=True）。date（）

这是我尝试过的。我收到了以下错误：

TypeError:Parser必须是字符串或字符流，而不是序列

Try:

对于索引，df1.iterrows（）中的行：print（dparser.parse（row['properties\uu recent\u deal\u close\u date\uu value']，fuzzy=True）。date（）

这是另一个错误，只需将其转换为字符串：

对于索引，df1.iterrows（）中的行：print（dparser.parse（str（行['properties\uu recent\u deal\u close\u date\uu value'）），fuzzy=True.date（））