问题描述
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已经解决了，并且pandas为0.15）。
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，即使它说的是东部时间，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]
这是我想要的行为。 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......
1楼
我可以证实这种行为。
问题出在pandas/types/cast/_possibly_downcast_to_dtype() 。
计算以i8完成，然后转换回时区感知datetime 。
但这一行：
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)
更新：
我已提交来解决此问题。
更新2：
PR已 ，应该在0.20.0