Мне сложно работать со временем / часовыми поясами. У меня есть исходные данные JSON формы

{ "Date": "28 Sep 2009 00:00:00", .... } 

Эти данные затем загружаются в MongoDB, и это строковое представление даты преобразуется в объект JavaScript Date . Это преобразование в UTC приводит к следующей дате

• AttributeError: объект 'list' не имеет атрибута 'dtype'
• Объект 'module' не имеет атрибута '_strptime' с несколькими потоками Python
• Как добавить delta в python datetime.time?
• Дата проверки по дате в Python
• Как использовать время> год 2038 на официальном Windows Python 2.5

 { "_id": ObjectId("577a788f4439e17afd4e21f7"), "Date": ISODate("2009-09-27T23:00:00Z") } 

Он «выглядит» так, как будто дата фактически была перемещена вперед в день, я предполагаю (возможно, неправильно), что это связано с тем, что моя машина настроена на ирландское стандартное время .

Затем я прочитал эти данные у MongoDB и использовал его для создания pandas DatetimeIndex

 idx = pd.DatetimeIndex([x['Date'] for x in test_docs], freq='D') 

который дает мне

что неверно, поскольку время не было правильно преобразовано с UTC на местное время. Поэтому я последовал за решением, данным в этом ответе

 idx = pd.DatetimeIndex([x['Date'] for x in test_docs], freq='D') idx = idx.tz_localize(tz=tz.tzutc()) idx = idx.tz_convert(tz=tz.tzlocal()) frame = DataFrame(test_docs, index=idx) frame = frame.drop('Date', 1) 

который дает мне правильный день назад

Затем я нормализую DatetimeIndex, поэтому часы удаляются, что позволяет мне группировать все записи в день.

 frame.groupby(idx).sum() 

На данный момент, однако, происходит что-то странное. Даты в конечном итоге группируются следующим образом

но это не отражает даты в кадре

Может ли кто-нибудь пролить свет на то, где я могу ошибиться?

Ответ на @ptrj

Явно использую мой часовой пояс в виде строки

 idx = pd.DatetimeIndex([x['Date'] for x in test_docs], freq='D') idx = idx.tz_localize(tz=tz.tzutc()) idx = idx.tz_convert(tz='Europe/Dublin') idx = idx.normalize() frame = DataFrame(test_docs, index=idx) ... ... aggregate = frame.groupby(idx).sum() aggregate.plot() 

это не работает для меня, это приводит к следующему графику

По какой-то причине groupby неправильно группируется в 2014 году, как показано ниже

Если вместо этого я использую

 idx = idx.tz_convert(tz.gettz('Europe/Dublin')) 

У меня такая же проблема

Преобразование в объект

 idx = pd.DatetimeIndex([x['Date'] for x in test_docs], freq='D') idx = idx.tz_localize(tz=tz.tzutc()) idx = idx.tz_convert(tz=tz.tzlocal()) idx = idx.normalize() frame = DataFrame(test_docs, index=idx) aggregate = frame.groupby(idx.astype(object)).sum() 

Этот подход, похоже, работает правильно для меня

 idx0 = pd.date_range('2011-11-11', periods=4) idx1 = idx0.tz_localize(tz.tzutc()) idx2 = idx1.tz_convert(tz.tzlocal()) df = pd.DataFrame([1, 2, 3, 4]) df.groupby(idx2).sum() Out[20]: 0 1970-01-01 00:00:00-05:00 9 2011-11-10 19:00:00-05:00 1 

 idx2.tz_localize(None) Out[27]: DatetimeIndex(['2011-11-10 19:00:00', '1970-01-01 00:00:00', '1970-01-01 00:00:00', '1970-01-01 00:00:00'], dtype='datetime64[ns]', freq='D') 

 frame.groupby([pd.DatetimeIndex([x.date() for x in frame.index])]).sum() 

 idx = pd.DatetimeIndex([x['Date'] for x in test_docs], freq='D') idx = idx.tz_localize(tz=tz.tzutc()) idx = idx.tz_convert(tz=tz.tzlocal()) frame.groupby(idx).sum()