Python Pandas Series.dt.tz_localize用法及代码示例

Series.dt可用于以datetimelike的形式访问序列的值并返回几个属性。 Pandas Series.dt.tz_localize()函数将tz-naive日期时间数组/索引本地化为tz-aware日期时间数组/索引。此方法采用时区(tz)天真的Datetime数组/索引对象，并使该时区可用。不会将时间移到另一个时区。

用法： Series.dt.tz_localize(*args, **kwargs)

参数：

tz：将时间戳转换为的时区。

返回值：与自我同类型

范例1：采用Series.dt.tz_localize()函数将系列中的tz-naive日期时间值本地化为tz-aware。

# importing pandas as pd 
import pandas as pd 
  
# Creating the Series 
sr = pd.Series(['2012-12-31', '2019-1-1 12:30', '2008-02-2 10:30', 
               '2010-1-1 09:25', '2019-12-31 00:00']) 
  
# Creating the index 
idx = ['Day 1', 'Day 2', 'Day 3', 'Day 4', 'Day 5'] 
  
# set the index 
sr.index = idx 
  
# Convert the underlying data to datetime  
sr = pd.to_datetime(sr) 
  
# Print the series 
print(sr)

输出：

现在我们将使用Series.dt.tz_localize()函数将给定的tz-naive系列本地化为“美国/东部”。

# localize to 'US / Eastern' 
result = sr.dt.tz_localize(tz = 'US / Eastern') 
  
# print the result 
print(result)

输出：

正如我们在输出中看到的，Series.dt.tz_localize()函数已成功将给定的tz-naive日期时间序列本地化为tz-aware。

范例2：采用Series.dt.tz_localize()函数将给定的series对象作为本地python datetime对象的数组返回。

# importing pandas as pd 
import pandas as pd 
  
# Creating the Series 
sr = pd.Series(pd.date_range('2012-12-31 00:00', periods = 5, freq = 'D')) 
  
# Creating the index 
idx = ['Day 1', 'Day 2', 'Day 3', 'Day 4', 'Day 5'] 
  
# set the index 
sr.index = idx 
  
# Print the series 
print(sr)

输出：

现在我们将使用Series.dt.tz_localize()函数将给定的tz-naive系列本地化为“欧洲/柏林”。

# localize to 'Europe / Berlin' 
result = sr.dt.tz_localize(tz = 'Europe / Berlin') 
  
# print the result 
print(result)

输出：

正如我们在输出中看到的，Series.dt.tz_localize()函数已成功将给定的tz-naive日期时间序列本地化为tz-aware。

相关用法

注：本文由纯净天空筛选整理自Shubham__Ranjan大神的英文原创作品 Python | Pandas Series.dt.tz_localize。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。