熊猫：计算来自不同时区的两个日期时间列之间的差异

Question

我有两个不同的时间序列。一个是以字符串形式提供的来自 CET 时区的一系列 ms 格式的时间戳。另一个是 UTC 时区中 s 格式的 unix 时间戳。

它们中的每一个都位于较大数据框中的一列中，它们都不是 DatetimeIndex 并且不应该是一个。

我需要将 CET 时间转换为 UTC，然后计算两列之间的差异，而我在 Python 和 Pandas 的日期时间功能以及各种不同的数据类型之间迷失了。

这是一个例子：

import pandas as pd
import pytz

germany = pytz.timezone('Europe/Berlin')

D1 = ["2016-08-22 00:23:58.254","2016-08-22 00:23:58.254",
      "2016-08-22 00:23:58.254","2016-08-22 00:40:33.260",
      "2016-08-22 00:40:33.260","2016-08-22 00:40:33.260"]

D2 = [1470031195, 1470031195, 1470031195, 1471772027, 1471765890, 1471765890]

S1 = pd.to_datetime(pd.Series(D1))
S2 = pd.to_datetime(pd.Series(D2),unit='s')

第一个问题

与tz_localize 一起使用。我需要程序了解S1 中的数据不是UTC，而是CET。但是，像这样使用 tz_localize 似乎将给定的日期时间解释为 CET，假设它的开头是 UTC：

F1 = S1.apply(lambda x: x.tz_localize(germany)).to_frame()

尝试tz_convert 总是抛出类似：

TypeError: index 不是有效的 DatetimeIndex 或 PeriodIndex

第二个问题

即使它们具有相同的格式，我还是被卡住了，因为我现在无法计算两列之间的差异：

F1 = S1.apply(lambda x: x.tz_localize(germany)).to_frame()
F1.columns = ["CET"]
F2 = S2.apply(lambda x: x.tz_localize('UTC')).to_frame()
F2.columns = ["UTC"]
FF = pd.merge(F1,F2,left_index=True,right_index=True)
FF.CET-FF.UTC

ValueError: Incompatbile tz's on datetime subtraction ops

我需要一种方法来使用不是 DatetimeIndex 对象的 tz 感知日期时间对象进行这些计算。

或者我需要一种方法使我的 CET 列看起来像这样：

2016-08-21 22:23:58.254
2016-08-21 22:23:58.254
2016-08-21 22:23:58.254
2016-08-21 22:40:33.260
2016-08-21 22:40:33.260
2016-08-21 22:40:33.260

也就是说，我不需要知道我的日期时间，我只想通过加/减必要的时间量来自动转换它，同时了解夏令时。

如果不是夏令时，我可以对两个整数做一个简单的减法。

Answer 1

首先您需要将 CET 时间戳转换为日期时间并指定时区：

S1 = pd.to_datetime(pd.Series(D1))
T1_cet = pd.DatetimeIndex(S1).tz_localize('Europe/Berlin')

然后将UTC时间戳转换为日期时间并指定时区以避免混淆：

S2 = pd.to_datetime(pd.Series(D2), unit='s')
T2_utc = pd.DatetimeIndex(S1).tz_localize('UTC')

现在将 CET 时间戳转换为 UTC：

T1_utc = T1_cet.tz_convert('UTC')

最后计算时间戳之间的差异：

diff = pd.Series(T1_utc) - pd.Series(T2_utc)