PyArrow与时区日期时间数据处理：避免UTC自动转换
在使用PyArrow处理包含时区信息的日期时间数据时，常常遇到时间自动转换为UTC的问题。例如，一个包含中国标准时间（PRC）的datetime对象，在添加到PyArrow的Table后，输出时间可能变为UTC时间，即使时区信息显示正确。本文分析此问题并提供解决方案。
问题描述：
当使用datetime.datetime(2022, 8, 5, 9, 35, tzinfo=tzfile('PRC'))创建带PRC时区的datetime对象，并将其添加到PyArrow Table中时，打印Table结果的时间可能是2022-08-05 01:35:00.000000（UTC时间），而非预期的2022-08-05 09:35:00.000000（PRC时间）。尽管Schema显示时区为PRC，但时间值却已转换。
解决方案：
直接使用pa.table.from_pylist创建PyArrow Table并不能完全保留原始时区信息。为了避免UTC自动转换，建议使用Pandas作为中间桥梁：
- 将数据转换为Pandas DataFrame。
- 使用
pa.table.from_pandas函数创建PyArrow Table。这能更好地保留原始时区信息。 - 如需转换回Pandas DataFrame，使用
dt.tz_convert('PRC')将时间戳转换回原始PRC时区。
代码示例：
import pyarrow as pa
import pandas as pd
import datetime
from dateutil import tz
# 创建带有时区的 datetime 对象
dt = datetime.datetime(2022, 8, 5, 9, 35, tzinfo=tz.gettz('PRC'))
# 创建 Pandas DataFrame
df = pd.DataFrame({'date': [dt]})
# 使用 Pandas DataFrame 创建 PyArrow Table
table = pa.Table.from_pandas(df)
# (可选) 将 PyArrow Table 转换回 Pandas DataFrame 并转换时区
df_converted = table.to_pandas()
df_converted['date'] = df_converted['date'].dt.tz_convert('PRC')
print(df_converted)
此方法确保原始日期时间信息及其时区信息在PyArrow处理过程中得到完整保留，避免了不必要的时区转换。
