【发布时间】:2017-01-31 11:53:08
【问题描述】:
我有一个数据框,其中有一列用于时区,一列用于日期时间。我想先将这些转换为 UTC 以加入其他数据,然后我将进行一些计算以最终从 UTC 转换为查看者本地时区。
datetime time_zone
2016-09-19 01:29:13 America/Bogota
2016-09-19 02:16:04 America/New_York
2016-09-19 01:57:54 Africa/Cairo
def create_utc(df, column, time_format='%Y-%m-%d %H:%M:%S'):
timezone = df['TZ']
df[column + '_utc'] = df[column].dt.tz_localize(timezone).dt.tz_convert('UTC').dt.strftime(time_format)
df[column + '_utc'].replace('NaT', np.nan, inplace=True)
df[column + '_utc'] = pd.to_datetime(df[column + '_utc'])
return df
那是我有缺陷的尝试。错误在于事实是模棱两可的,这是有道理的,因为“时区”变量指的是一列。如何引用同一行中的值?
编辑:以下是一天数据(394,000 行和 22 个唯一时区)的以下答案的一些结果。 Edit2:我添加了一个 groupby 示例,以防有人想查看结果。这是迄今为止最快的。
%%timeit
for tz in df['TZ'].unique():
df.ix[df['TZ'] == tz, 'datetime_utc2'] = df.ix[df['TZ'] == tz, 'datetime'].dt.tz_localize(tz).dt.tz_convert('UTC')
df['datetime_utc2'] = df['datetime_utc2'].dt.tz_localize(None)
1 loops, best of 3: 1.27 s per loop
%%timeit
df['datetime_utc'] = [d['datetime'].tz_localize(d['TZ']).tz_convert('UTC') for i, d in df.iterrows()]
df['datetime_utc'] = df['datetime_utc'].dt.tz_localize(None)
1 loops, best of 3: 50.3 s per loop
df['datetime_utc'] = pd.concat([d['datetime'].dt.tz_localize(tz).dt.tz_convert('UTC') for tz, d in df.groupby('TZ')])
**1 loops, best of 3: 249 ms per loop**
【问题讨论】: