快速解析非本地时区中的 Python 日期时间，并根据夏令时进行调整

我需要快速将 ISO 8601 日期时间字符串（字符串中没有时区，但已知位于美国/太平洋时区）转换为 numpydatetime64 object.

如果我的机器处于美国/太平洋时间，我可以简单地运行numpy.datetime64(s)。但是，这假设没有时区的字符串位于本地时区。此外，我无法轻松指定 ISO 8601 格式的美国/太平洋时区，因为有时它是-0800有时-0700取决于夏令时。

到目前为止，我最快的解决方案是numpy.datetime64(pandas.Timestamp(s).tz_localize(tz='US/Pacific', ambiguous=True))。在我的机器上这需要 70μs。如果我能把这个速度提高至少一个数量级，那就太好了（numpy.datetime64(s)本地时间需要 4 µs，但如上所述是不正确的）。这可能吗？

首先请注意，如果没有偏移，某些当地时间及其日期时间 字符串是不明确的。例如，ISO 8601 日期时间字符串

2000-10-29T01:00:00-07:00
2000-10-29T01:00:00-08:00

两者都映射到相同的字符串2000-10-29T01:00:00当偏移量被移除时。

因此，重建一个独特的时区感知可能并不总是可能的 来自不带偏移量的日期时间字符串的日期时间。

然而，我们可以在这些模棱两可的情况下做出选择 情况并接受并非所有不明确的日期都会被正确转换。

如果您使用的是 Unix，则可以使用时间.tzset https://docs.python.org/2/library/time.html#time.tzset更改进程的本地时区：

import os
import time
os.environ['TZ'] = tz
time.tzset()

然后，您可以使用以下命令将日期时间字符串转换为 NumPy datetime64

def using_tzset(date_strings, tz):
    os.environ['TZ'] = tz
    time.tzset()
    return np.array(date_strings, dtype='datetime64[ns]')

但请注意using_tzset并不总是产生与您提出的方法相同的值：

import os
import time
import numpy as np
import pandas as pd

tz = 'US/Pacific'
N = 10**5
dates = pd.date_range('2000-1-1', periods=N, freq='H', tz=tz)
date_strings_tz = dates.format(formatter=lambda x: x.isoformat())
date_strings = [d.rsplit('-', 1)[0] for d in date_strings_tz]

def orig(date_strings, tz):
    return [np.datetime64(pd.Timestamp(s, tz=tz)) for s in date_strings]

def using_tzset(date_strings, tz):
    os.environ['TZ'] = tz
    time.tzset()
    return np.array(date_strings, dtype='datetime64[ns]')

npdates = dates.asi8.view('datetime64[ns]')
x = np.array(orig(date_strings, tz))
y = using_tzset(date_strings, tz)
df = pd.DataFrame({'dates': npdates, 'str': date_strings_tz, 'orig': x, 'using_tzset': y})

这表明原来的方法，orig，无法恢复原始日期 172 次：

print((df['dates'] != df['orig']).sum())
172

while using_tzset失败11次：

print((df['dates'] != df['using_tzset']).sum())
11  

但请注意，这 11 倍using_tzset失败是由于 DST 导致本地日期时间不明确。

这显示了一些差异：

mask = df['dates'] != df['using_tzset']
idx = np.where(mask.shift(1) | mask)[0]
print(df[['dates', 'str', 'using_tzset']].iloc[idx]).head(6)

#                     dates                        str         using_tzset
# 7248  2000-10-29 08:00:00  2000-10-29T01:00:00-07:00 2000-10-29 08:00:00
# 7249  2000-10-29 09:00:00  2000-10-29T01:00:00-08:00 2000-10-29 08:00:00
# 15984 2001-10-28 08:00:00  2001-10-28T01:00:00-07:00 2001-10-28 08:00:00
# 15985 2001-10-28 09:00:00  2001-10-28T01:00:00-08:00 2001-10-28 08:00:00
# 24720 2002-10-27 08:00:00  2002-10-27T01:00:00-07:00 2002-10-27 08:00:00
# 24721 2002-10-27 09:00:00  2002-10-27T01:00:00-08:00 2002-10-27 08:00:00

正如您所看到的，当日期字符串在str柱子 当偏移量被移除时，就会变得不明确。

So using_tzset在不明确的日期时间之前似乎都能产生正确的结果。

这是一个 timeit 基准比较orig and using_tzset:

In [95]: %timeit orig(date_strings, tz)
1 loops, best of 3: 5.43 s per loop

In [96]: %timeit using_tzset(date_strings, tz)
10 loops, best of 3: 41.7 ms per loop

So using_tzset比快 100 倍以上orig当N=10**5时。