时区天真的 pandas 列上的唯一（和其他 numpy 函数）转换为本地时区

Question

我不太清楚这是一个 numpy 错误还是 pandas 错误还是我的用户错误。谁能给个说明... 我的解决方法是使用字符串来实现唯一性，但我经常运行遇到这些问题......并且会重视建议的工作实践（例如始终设置 UTC？）

所以我希望 return 天真的日期时间是独一无二的，而不是解释为本地...

import pandas as pd
d=pd.DataFrame({'a':['2014-10-12','2014-10-11']})
d['b']=pd.to_datetime(d.a)
print d
print d['b'].unique()
print d['b'].max()
print d['b'].values.max()

        a          b
0  2014-10-12 2014-10-12
1  2014-10-11 2014-10-11

['2014-10-12T02:00:00.000000000+0200' '2014-10-11T02:00:00.000000000+0200'] #unique

2014-10-12 00:00:00 # pandas max

2014-10-12T02:00:00.000000000+0200  #numpy max

numpy'1.9.2' pandas '0.16.1'

Answer 1

它们都是相同的 date/time，但函数返回不同的类型，具有不同的字符串表示形式（即不同的 __str__ 和 __repr__ 输出）。

d['b'].unique() 和 d['b'].values.max() 返回 numpy.datetime64 个对象，而 d['b'].max() 返回一个 pandas.Timestamp 个对象。 numpy.datetime64 以字符串形式输出时使用系统的语言环境设置时区，而 pandas.Timestamp 则不使用。

如果将 pandas.Timestamp 转换为 numpy.datetime64，您会发现它们是相同的值：

np.datetime64(d['b'].max().to_datetime()) == d['b'].values.max()

时区天真的 pandas 列上的唯一（和其他 numpy 函数）转换为本地时区

unique( and other numpy functions) on timezone naive pandas columns convert to local timezone

numpy

pandas

timezone