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。