Question

我遇到了一些奇怪的行为，试图按ID对pandas数据帧的行进行分组，然后选择最大/最小日期时间（w / timezones）。这是大熊猫0.18.1和numpy 1.11.1（我在之前的帖子中看到类似的问题显然是用pandas 0.15修复的。）

具体来说，如果我尝试：

print orders.groupby('OrderID')['start_time'].agg(np.min).iloc[:5]

我明白了：

OrderID
O161101XVS100000044   2016-11-01 12:03:12.920000-04:00
O161101XVS100000047   2016-11-01 12:03:36.693000-04:00
O161101XVS100000098   2016-11-01 12:09:08.330000-04:00
O161101XVS100000122   2016-11-01 12:09:59.950000-04:00
O161101XVS100000152   2016-11-01 12:11:29.790000-04:00
Name: start_time, dtype: datetime64[ns, US/Eastern]

原始数据的时间接近上午8点（美国/东部）。换句话说，它恢复到UTC时间，即使它在东部时间表示，并且具有UTC-4偏移。

但如果我改为尝试：

print orders.groupby('OrderID')['start_time'].agg(lambda x: np.min(x)).iloc[:5]

我现在得到：

OrderID
O161101XVS100000044   2016-11-01 08:03:12.920000-04:00
O161101XVS100000047   2016-11-01 08:03:36.693000-04:00
O161101XVS100000098   2016-11-01 08:09:08.330000-04:00
O161101XVS100000122   2016-11-01 08:09:59.950000-04:00
O161101XVS100000152   2016-11-01 08:11:29.790000-04:00
Name: start_time, dtype: datetime64[ns, US/Eastern]

我打算采取哪种行为。第二种方法速度要慢得多，我认为这两种方法会产生相同的结果......

Answer 1

我可以确认这种行为。问题出在pandas/types/cast/_possibly_downcast_to_dtype()。计算以i8完成，然后转换回时区datetime。但是这一行：

result = to_datetime(result).tz_localize(dtype.tz)

需要这样：

result = to_datetime(result).tz_localize('utc')
result = result.tz_convert(dtype.tz)

<强>更新

我已提交PR来解决此问题。

更新2：

PR已经merged，应该在0.20.0

在pandas中使用groupby / agg的奇怪时区行为

1 个答案: