6-Pandas时间序列处理之时区处理（UTC查看、获取、时区意识型TimeStamp对象、本地化与转换、计算）

　　通常选择使用协调世界时（UTC，又称世界统一时间、世界标准时间、国际协调时间）来处理时间序列。

　　时区是以UTC偏移量的形式表示的。

　　在Python中，时区信息来自第三方库pytz，Pandas包装了pytz功能。时区名可以在文档中找到，也可以用交互的方式查看。

　　关于pytz模块的信息，可参考【python模块——pytz】

（1）查看时区

　　pytz有all_timezones、common_timezones这两个属性来查看有哪些时区；

>>> import pytz
>>> len(pytz.common_timezones)
440
>>> pytz.common_timezones[:5]
['Africa/Abidjan', 'Africa/Accra', 'Africa/Addis_Ababa', 'Africa/Algiers', 'Africa/Asmara']
>>> pytz.common_timezones[-5:]
['US/Eastern', 'US/Hawaii', 'US/Mountain', 'US/Pacific', 'UTC']

>>> len(pytz.all_timezones)
592
>>> pytz.all_timezones[:5]
['Africa/Abidjan', 'Africa/Accra', 'Africa/Addis_Ababa', 'Africa/Algiers', 'Africa/Asmara']
>>> pytz.all_timezones[-5:]
['UTC', 'Universal', 'W-SU', 'WET', 'Zulu']

　（2）获取时区对象

　　pytz有timezone属性获取时区对象

>>> tz = pytz.timezone('Asia/Shanghai')
>>> tz
<DstTzInfo 'Asia/Shanghai' LMT+8:06:00 STD>

　（3）查看时间序列的时区

　　Pandas中的时间序列默认是naive时区，即没有时区。用index.tz方法查看时间序列的时区

>>> rng = pd.date_range('2020/8/1',periods=5,freq='D')
>>> ts
2020-08-01    4
2020-08-02    8
2020-08-03    3
2020-08-04    3
2020-08-05    7
Freq: D, dtype: int32
>>> print(ts.index.tz)
None

　　通过参数tz可以设置时区

>>> rng2 = pd.date_range('2020/8/1',periods=5,freq='D',tz='UTC')
>>> ts2 = pd.Series(np.random.randint(1,10,len(rng2)),index = rng2)
>>> ts2
2020-08-01 00:00:00+00:00    8
2020-08-02 00:00:00+00:00    3
2020-08-03 00:00:00+00:00    1
2020-08-04 00:00:00+00:00    3
2020-08-05 00:00:00+00:00    2
Freq: D, dtype: int32
>>> print(ts2.index.tz)
UTC

　　（4）本地化和转换

　　时间序列若需要和转化，必须先使用tz_localize进行时区本地化，再通过tz_convert()转换成别的时区

#先进行本地化转换到别的地区
>>> ts_utc = ts.tz_localize('UTC')
>>> ts_utc.index
DatetimeIndex(['2020-08-01 00:00:00+00:00', '2020-08-02 00:00:00+00:00',
               '2020-08-03 00:00:00+00:00', '2020-08-04 00:00:00+00:00',
               '2020-08-05 00:00:00+00:00'],
              dtype='datetime64[ns, UTC]', freq='D')

#再转换到别的时区
>>> ts_utc.tz_convert('US/Eastern')
2020-07-31 20:00:00-04:00    4
2020-08-01 20:00:00-04:00    8
2020-08-02 20:00:00-04:00    3
2020-08-03 20:00:00-04:00    3
2020-08-04 20:00:00-04:00    7
Freq: D, dtype: int32

　　DatetimeIndex日期索引对象也可以使用tz_localize()和tz_convert()方法

>>> ts.index = ts.index.tz_localize('Asia/Shanghai')
>>> ts
2020-08-01 00:00:00+08:00    4
2020-08-02 00:00:00+08:00    8
2020-08-03 00:00:00+08:00    3
2020-08-04 00:00:00+08:00    3
2020-08-05 00:00:00+08:00    7
Freq: D, dtype: int32

　　（5）操作时区意识型TimeStamp对象

　　与时间序列和日期范围一样，时间戳对象也能从naive本地化为时区意识型（time zone-aware），并从一个时区转换到另一个时区

 例：创建一个时间戳本地化到世界标准时间UTC，并将时区转换为'US/Eastern'

>>> stamp = pd.Timestamp('2020-8-1 18:23:34')
>>> stamp_utc = stamp.tz_localize('UTC')
>>> stamp_utc
Timestamp('2020-08-01 18:23:34+0000', tz='UTC')
>>> stamp_utc_convert = stamp_utc.tz_convert('US/Eastern')
>>> stamp_utc_convert
Timestamp('2020-08-01 14:23:34-0400', tz='US/Eastern')

　　注意：时区意识型对象在内部保存了一个UTC时间戳，其值在时区转换过程中是不是发生改变的，是从1970年1月1日算起的纳秒数

如：stamp_utc和stamp_utc_convert的值是一样的

>>> stamp_utc_convert.value
1596306214000000000
>>> stamp_utc.value
1596306214000000000

　　（6）不同时区之间的计算

　　当两个时间序列的时期不同，若需要将其合并，最后的结果将会是UTC

>>> rng = pd.date_range('2020/8/1',periods=5,freq='D')
>>> rng = pd.date_range('2020/8/1 10:30',periods=5,freq='D')
>>> ts = pd.Series(np.random.randint(1,10,len(rng)),index = rng)
>>> ts
2020-08-01 10:30:00    8
2020-08-02 10:30:00    1
2020-08-03 10:30:00    9
2020-08-04 10:30:00    9
2020-08-05 10:30:00    3
Freq: D, dtype: int32

>>> ts1 = ts[:2].tz_localize('Europe/Zurich')
>>> ts2 = ts[2:4].tz_localize('US/Arizona')
>>> ts1.index
DatetimeIndex(['2020-08-01 10:30:00+02:00', '2020-08-02 10:30:00+02:00'], dtype='datetime64[ns, Europe/Zurich]', freq='D')
>>> result = ts1 + ts2
>>> result
2020-08-01 08:30:00+00:00   NaN
2020-08-02 08:30:00+00:00   NaN
2020-08-03 17:30:00+00:00   NaN
2020-08-04 17:30:00+00:00   NaN
dtype: float64
>>> result.index
DatetimeIndex(['2020-08-01 08:30:00+00:00', '2020-08-02 08:30:00+00:00',
               '2020-08-03 17:30:00+00:00', '2020-08-04 17:30:00+00:00'],
              dtype='datetime64[ns, UTC]', freq=None)