Python Pandas DatetimeIndex.tz_localize()用法及代码示例

Python是进行数据分析的一种出色语言，主要是因为以数据为中心的python软件包具有奇妙的生态系统。 Pandas是其中的一种，使导入和分析数据更加容易。

Pandas DatetimeIndex.tz_localize()函数将tz-naive DatetimeIndex本地化为tz-aware DatetimeIndex。此方法采用时区(tz)天真的DatetimeIndex对象，并使该时区可用。不会将时间移到另一个时区。时区本地化有助于从知道时区的对象切换到不了解时区的对象。

用法： DatetimeIndex.tz_localize(tz, ambiguous=’raise’, errors=’raise’)

范例1：采用DatetimeIndex.tz_localize()函数，以使朴素的DatetimeIndex对象成为可识别时区的对象。

# importing pandas as pd 
import pandas as pd 
  
# Create the DatetimeIndex 
# Here 'Q' represents quarter end frequency  
didx = pd.DatetimeIndex(start ='2000-01-15 08:00', freq ='Q', periods = 4) 
  
# Print the DatetimeIndex 
print(didx)

输出：

现在我们想将朴素的DatetimeIndex对象转换为可识别时区的对象

# make timezone aware 
didx.tz_localize(tz ='Europe/Berlin')

输出：

正如我们在输出中看到的那样，该函数已将时区感知引入了didx对象。范例2：使用DatetimeIndex.tz_localize()函数，以使朴素的DatetimeIndex对象成为可识别时区的对象。

# importing pandas as pd 
import pandas as pd 
  
# Create the DatetimeIndex 
# Here 'D' represents calendar day frequency  
didx = pd.DatetimeIndex(start ='2014-08-01 10:05:45', freq ='D', periods = 5) 
  
# Print the DatetimeIndex 
print(didx)

输出：

现在我们想将朴素的DatetimeIndex对象转换为可识别时区的对象

# make timezone aware 
didx.tz_localize(tz ='US/Eastern')

输出：

正如我们在输出中看到的那样，该函数已将时区感知引入了didx对象。