我有一个大型 pandas 数据框(数千万行),其中包含一个用于 UTC 时间和时区的列。我想基于另外两列创建一个包含该行本地时间的列。
我最初的尝试是使用 df.apply,它适用于我正在测试的一个小样本,但速度非常慢并且不足以处理整个数据:
df['LoginTimeLocal'] = \
df.apply(lambda row: row.LoginTimeUtc.tz_localize('UTC').tz_convert(row.TimeZoneCode))
这会导致添加一个新列,其中包含本地时间的日期时间和时区信息。
我遇到了 this answer 提供了一种有效的矢量化方式来做类似的事情。我重新调整了此代码的用途以执行我想要的操作,但它似乎仅在新列仅包含具有相同时区的日期(或没有时区信息)时才有效。这是我的代码:
# localize all utc dates
df['LoginTimeUtc'] = df['LoginTimeUtc'].dt.tz_localize('UTC')
# initialize LoginTimeLocal column (probably not necessary)
df['LoginTimeLocal'] = df['LoginTimeUtc']
# for every time zone in the data
for tz in df.TimeZoneCode.unique():
mask = (df.TimeZoneCode == tz)
# make entries in a new column with converted timezone
df.loc[mask, 'LoginTimeLocal'] = \
df.loc[mask,'LoginTimeLocal'].dt.tz_convert(tz)
如果我在仅包含来自一个时区的日期(即 len(df.TimeZoneCode.unique()) = 1)的数据样本上运行此程序,它可以正常工作。只要数据帧中有两个或多个时区,我就会收到 ValueError: incompatible or non tz-aware value。
谁能看出这里出了什么问题?
请您参考如下方法:
演示:
来源 DF:
In [11]: df
Out[11]:
datetime time_zone
0 2016-09-19 01:29:13 America/Bogota
1 2016-09-19 02:16:04 America/New_York
2 2016-09-19 01:57:54 Africa/Cairo
3 2016-09-19 11:00:00 America/Bogota
4 2016-09-19 12:00:00 America/New_York
5 2016-09-19 13:00:00 Africa/Cairo
解决方法:
In [12]: df['new'] = df.groupby('time_zone')['datetime'] \
.transform(lambda x: x.dt.tz_localize(x.name))
In [13]: df
Out[13]:
datetime time_zone new
0 2016-09-19 01:29:13 America/Bogota 2016-09-19 06:29:13
1 2016-09-19 02:16:04 America/New_York 2016-09-19 06:16:04
2 2016-09-19 01:57:54 Africa/Cairo 2016-09-18 23:57:54
3 2016-09-19 11:00:00 America/Bogota 2016-09-19 16:00:00
4 2016-09-19 12:00:00 America/New_York 2016-09-19 16:00:00
5 2016-09-19 13:00:00 Africa/Cairo 2016-09-19 11:00:00
