说明
pandas 通过
pytz或标准库zoneinfo提供完整的时区支持，包含时区本地化、时区转换、夏令时处理与跨时区运算。
pytz、zoneinfo
说明
pandas 支持两种时区数据库来源：
pytz：第三方库，pandas 的核心依赖之一，提供 Olson 时区数据库。zoneinfo：Python 3.9+ 标准库，系统时区数据库。
import pandas as pd
# 两种方式均可作为 tz 参数
idx1 = pd.date_range('2026-01-01', periods=2, freq='D', tz='Asia/Shanghai')
idx2 = pd.date_range('2026-01-01', periods=2, freq='D', tz='US/Eastern')
print(idx1.tz) # DstTzInfo 或 ZoneInfo 对象
print(idx2.tz)
# 查看 pytz 可用时区
import pytz
print(pytz.all_timezones[:5])
# zoneinfo 可用时区
import zoneinfo
print(zoneinfo.available_timezones() - pytz.all_timezones) # 可能的差异推荐
pandas 2.x 推荐优先使用标准库
zoneinfo（如zoneinfo.ZoneInfo('Asia/Shanghai')），同时保持对pytz的完全兼容。
tz_localize()
说明
为无时区（naive）的时间数据指定（本地化）时区，墙钟时间不变，仅附加时区偏移。
# 无时区索引
naive = pd.date_range('2026-01-01 08:00', periods=3, freq='h')
print(naive.tz) # None
# 本地化为 UTC
utc = naive.tz_localize('UTC')
print(utc)
# DatetimeIndex(['2026-01-01 08:00:00+00:00', ...], dtype='datetime64[ns, UTC]')
# 本地化为上海时区
sh = naive.tz_localize('Asia/Shanghai')
print(sh)
# DatetimeIndex(['2026-01-01 08:00:00+08:00', ...], dtype='datetime64[ns, Asia/Shanghai]')
# Series 与 DataFrame 同样支持
s = pd.Series(naive)
print(s.dt.tz_localize('UTC'))夏令时歧义
在夏令时切换时，某些本地时间可能不存在或出现两次（如美国东部 2026-03-08 02:00 不存在）。
tz_localize()提供ambiguous与nonexistent参数处理：
ambiguous_idx = pd.date_range('2026-11-01 00:00', periods=4, freq='h', tz='America/New_York')
# 退回到 EST 时 01:30 可能出现两次，使用 ambiguous='NaT' 将歧义时间置为 NaT
print(pd.DatetimeIndex(ambiguous_idx).tz_localize('America/New_York', ambiguous='NaT'))tz_convert()
说明
将已有时区（aware）的时间数据转换到目标时区，墙钟时间会相应改变。
utc = pd.date_range('2026-01-01 08:00', periods=3, freq='h', tz='UTC')
# 转换到上海时区（UTC+8）
sh = utc.tz_convert('Asia/Shanghai')
print(sh)
# DatetimeIndex(['2026-01-01 16:00:00+08:00', ...], dtype='datetime64[ns, Asia/Shanghai]')
# 再转回纽约时区（UTC-5）
ny = utc.tz_convert('America/New_York')
print(ny)
# DatetimeIndex(['2026-01-01 03:00:00-05:00', ...], dtype='datetime64[ns, America/New_York]')
# Series 用法
s = pd.Series(utc)
print(s.dt.tz_convert('Asia/Shanghai'))夏令时
说明
夏令时（DST）会导致某些日期一天为 23 小时或 25 小时。pandas 在时间运算与重采样时自动处理。
# 美国 2026 年夏令时开始：2026-03-08 02:00 → 03:00（当天 23 小时）
dst_start = pd.date_range('2026-03-08 00:00', periods=4, freq='h', tz='America/New_York')
print(dst_start)
# 2026-03-08 00:00:00-05:00
# 2026-03-08 01:00:00-05:00
# 2026-03-08 03:00:00-04:00 ← 02:00 不存在
# 2026-03-08 04:00:00-04:00
# 美国 2026 年夏令时结束：2026-11-01 02:00 出现两次（当天 25 小时）
dst_end = pd.date_range('2026-11-01 00:00', periods=5, freq='h', tz='America/New_York')
print(dst_end)
# 2026-11-01 00:00:00-04:00
# 2026-11-01 01:00:00-04:00
# 2026-11-01 01:00:00-05:00 ← 02:00 重复（第一次 EDT）
# 2026-11-01 02:00:00-05:00
# 2026-11-01 03:00:00-05:00不同时区运算
说明
不同时区的
Timestamp/DatetimeIndex参与运算时，pandas 会先统一到 UTC 再对齐运算。
sh = pd.Timestamp('2026-08-19 20:00', tz='Asia/Shanghai') # UTC+8 → 12:00 UTC
ny = pd.Timestamp('2026-08-19 09:00', tz='America/New_York') # UTC-4 → 13:00 UTC
print(sh - ny)
# -1 days +23:00:00（即 -1 小时）
# 不同时区 Series 相加：按绝对时间对齐
s_sh = pd.Series([1, 2], index=pd.date_range('2026-01-01 00:00', periods=2, freq='h', tz='Asia/Shanghai'))
s_ny = pd.Series([10, 20], index=pd.date_range('2025-12-31 11:00', periods=2, freq='h', tz='America/New_York'))
print(s_sh + s_ny) # 同一绝对时刻相加utc
说明
UTC（协调世界时）是时区处理的基准。pandas 提供多种方式使用 UTC：
tz='UTC'：指定 UTC 时区。utc=True：to_datetime()/date_range()等函数中直接返回 UTC。tz_convert('UTC')：转换为 UTC。tz_localize('UTC')：本地化为 UTC。
# 字符串带 UTC 偏移自动解析
print(pd.to_datetime('2026-08-19T13:05:00+08:00'))
# 2026-08-19 13:05:00+08:00
# 转换为 UTC
print(pd.Timestamp('2026-08-19 13:05:00+08:00').tz_convert('UTC'))
# 2026-08-19 05:05:00+00:00
# date_range 直接生成 UTC
print(pd.date_range('2026-01-01', periods=2, freq='D', tz='UTC'))
# 丢弃时区：tz_localize(None) 转为无时区 UTC 墙钟
aware = pd.Timestamp('2026-08-19 13:05:00+00:00')
print(aware.tz_localize(None)) # 2026-08-19 13:05:00
print(aware.tz_convert('Asia/Shanghai').tz_localize(None)) # 2026-08-19 21:05:00🔗 相关链接
- 9.3 时间索引 - DatetimeIndex 的时区属性
- 9.5 时间序列操作 - 时区对重采样与对齐的影响
- 3. Index - DatetimeTZDtype