本文详解如何在 Pandas 中正确处理欧洲夏令时结束日（如 2024-10-27）出现的本地时间重复（如 02:00、02:15 等两次），避免 tz_localize 报错“multiple DST transitions”，并通过排序策略自动区分夏令时与标准时实例。
本文详解如何在 pandas 中正确处理欧洲夏令时结束日（如 2024-10-27）出现的本地时间重复（如 `02:00`、`02:15` 等两次），避免 `tz_localize` 报错“multiple dst transitions”，并通过排序策略自动区分夏令时与标准时实例。
在欧洲时区（如 'Europe/Amsterdam'），每年 10 月最后一个周日凌晨 3:00 会回拨至 2:00，导致 02:00–02:45 区间的时间点在本地时间中物理重复出现两次：一次属于夏令时（CEST, UTC+2），一次属于标准时（CET, UTC+1）。当你的数据以 15 分钟粒度记录且未标注时区或 UTC 偏移时，Pandas 默认将所有 2024-10-27T02:00 视为同一时刻，触发 tz_localize 的歧义校验失败（报错 InvalidTimeError: 4 ambiguous time(s)）。
关键在于：Pandas 的 ambiguous='infer' 参数仅在时间戳已按自然顺序排列的前提下才能可靠推断——即首次出现的 02:00 应为 CEST（夏令时），第二次为 CET（标准时）。但原始数据若按采集顺序排列（如先录完第一轮 02:xx，再补录第二轮），时间列便失去该顺序性，导致推断失效。
✅ 正确解法是通过逻辑排序重建自然过渡序：利用 groupby("timestamp").cumcount() 为每个重复时间戳打上递增序号（0 表示首次出现，1 表示第二次），再结合 .dt.hour 排序，确保所有 02:00（序号 0）排在 02:00（序号 1）之前，依此类推。这样 tz_localize(..., ambiguous='infer') 就能准确将序号小的判为 CEST，序号大的判为 CET。
以下为完整可运行代码：
import pandas as pd
# 示例数据：包含 DST 切换时的重复时间戳（注意 02:xx 出现两次）
data = [
["2024-10-27T00:00", 1, "A"], ["2024-10-27T00:15", 2, "B"],
["2024-10-27T00:30", 3, "C"], ["2024-10-27T00:45", 4, "D"],
["2024-10-27T01:00", 5, "E"], ["2024-10-27T01:15", 6, "F"],
["2024-10-27T01:30", 7, "G"], ["2024-10-27T01:45", 8, "H"],
["2024-10-27T02:00", 9, "I"], ["2024-10-27T02:00", 13, "M"],
["2024-10-27T02:15", 10, "J"], ["2024-10-27T02:15", 14, "N"],
["2024-10-27T02:30", 11, "K"], ["2024-10-27T02:30", 15, "O"],
["2024-10-27T02:45", 12, "L"], ["2024-10-27T02:45", 16, "P"],
["2024-10-27T03:00", 17, "Q"], ["2024-10-27T03:15", 18, "R"],
["2024-10-27T03:30", 19, "S"], ["2024-10-27T03:45", 20, "T"],
]
df = pd.DataFrame(data, columns=["timestamp", "number", "letter"])
df["timestamp"] = pd.to_datetime(df["timestamp"])
# 核心步骤：添加排序辅助列并重排
df = df.assign(
hour=df["timestamp"].dt.hour,
cumcount=df.groupby("timestamp").cumcount()
).sort_values(["hour", "cumcount"]).reset_index(drop=True)
# 此时 timestamp 已按 DST 过渡自然序排列，可安全 localize
df = df.set_index("timestamp")
df.index = df.index.tz_localize("Europe/Amsterdam", ambiguous="infer")
print(df.index)
# 输出将显示：2024-10-27 00:00:00+02:00 → ... → 02:45:00+02:00 → 02:00:00+01:00 → ... → 03:45:00+01:00
⚠️ 注意事项：
- 该方法假设同一天内重复时间戳最多出现两次（符合欧盟 DST 规则），若存在异常多重复，需扩展
cumcount逻辑； - 若数据跨多天，应改用
df["date"] = df["timestamp"].dt.date并在sort_values中加入"date"保证日期先后； - 完成时区本地化后，如需恢复原始行序（如按
number列），可在最后执行df = df.sort_values("number")； -
切勿跳过排序直接使用
ambiguous=True/False——前者强制全选夏令时（错误），后者强制全选标准时（同样错误），均破坏时间语义。
此方案无需硬编码时间范围或手动拆分数据，完全自动化，适用于大规模时间序列预处理场景，是处理 DST 重复时间戳的稳健实践。
