pandas.to_datetime 晚了一小时

Question

我使用

time.time()

记录了一些带时间戳的数据。我想使用

pandas

评估数据并将时间戳转换为日期时间对象以便更好地处理。然而，当我尝试时，我的所有计时数据都偏离了一小时。此示例在我的机器上重现了该问题：

import datetime as dt
import pandas as pd

origin = dt.datetime(2024, 1, 15).timestamp()
timestamps = [origin + 3600 * i for i in range(10)]

print([dt.datetime.fromtimestamp(t).isoformat() for t in timestamps])
print(pd.to_datetime(timestamps, unit='s'))

输出：

['2024-01-15T00:00:00', '2024-01-15T01:00:00', '2024-01-15T02:00:00', '2024-01-15T03:00:00', '2024-01-15T04:00:00', '2024-01-15T05:00:00', '2024-01-15T06:00:00', '2024-01-15T07:00:00', '2024-01-15T08:00:00', '2024-01-15T09:00:00']
DatetimeIndex(['2024-01-14 23:00:00', '2024-01-15 00:00:00',
               '2024-01-15 01:00:00', '2024-01-15 02:00:00',
               '2024-01-15 03:00:00', '2024-01-15 04:00:00',
               '2024-01-15 05:00:00', '2024-01-15 06:00:00',
               '2024-01-15 07:00:00', '2024-01-15 08:00:00'],
              dtype='datetime64[ns]', freq=None)

我猜测这与我的时区有关（我在 UTC+1），但我很困惑应该如何处理这个问题。如果可能的话，我想避免明确指定时区等（尽管必要时我会这样做）。我想要获得与

dt.datetime.fromtimestamp()

相同的时间。我该怎么做？

Answer 1

您的问题不在于熊猫，而在于错误使用

datetime

。

您应该在创建源时指定使用 UTC 日期时间，否则这将使用您的时区：

import datetime as dt
import pandas as pd

origin = dt.datetime(2024, 1, 15, tzinfo=dt.timezone.utc).timestamp()

timestamps = [origin + 3600 * i for i in range(10)]

print(pd.to_datetime(timestamps, unit='s'))

输出：

DatetimeIndex(['2024-01-15 00:00:00', '2024-01-15 01:00:00',
               '2024-01-15 02:00:00', '2024-01-15 03:00:00',
               '2024-01-15 04:00:00', '2024-01-15 05:00:00',
               '2024-01-15 06:00:00', '2024-01-15 07:00:00',
               '2024-01-15 08:00:00', '2024-01-15 09:00:00'],
              dtype='datetime64[ns]', freq=None)

同样：

print([dt.datetime.fromtimestamp(t, dt.timezone.utc).isoformat() for t in timestamps])

输出：

['2024-01-15T00:00:00+00:00', '2024-01-15T01:00:00+00:00', '2024-01-15T02:00:00+00:00', '2024-01-15T03:00:00+00:00', '2024-01-15T04:00:00+00:00', '2024-01-15T05:00:00+00:00', '2024-01-15T06:00:00+00:00', '2024-01-15T07:00:00+00:00', '2024-01-15T08:00:00+00:00', '2024-01-15T09:00:00+00:00']