Python Pandas Series.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 系列是带有轴标签的一维ndarray。标签不必是唯一的，但必须是可哈希的类型。该对象同时支持基于整数和基于标签的索引，并提供了许多方法来执行涉及索引的操作。

Pandas Series.tz_localize()函数用于将Series或DataFrame的tz-naive索引本地化为目标时区。此操作将索引本地化。为了本地化timezone-naive系列中的值，我们可以使用Series.dt.tz_localize()。

用法： Series.tz_localize(tz, axis=0, level=None, copy=True, ambiguous=’raise’, nonexistent=’raise’)

参数：
tz:字符串或pytz.timezone对象
axis:定位轴
level:如果轴为MultiIndex，则定位特定级别。否则必须为None
copy:同时复制基础数据
ambiguous:“推断”，bool-ndarray，“ NaT”，默认为“提高”
nonexistent:str，默认为“提高”

返回：系列或 DataFrame

范例1：采用Series.tz_localize()函数将给定Series的时区天真索引本地化到目标时区。

# importing pandas as pd 
import pandas as pd 
  
# Creating the Series 
sr = pd.Series(['New York', 'Chicago', 'Toronto', 'Lisbon', 'Rio', 'Moscow']) 
  
# Create the Datetime Index 
didx = pd.DatetimeIndex(start ='2014-08-01 10:00', freq ='W',  
                                                 periods = 6)  
  
# set the index 
sr.index = didx 
  
# Print the series 
print(sr)

输出：

现在我们将使用Series.tz_localize()函数将给定的时区天真索引本地化为时区感知索引。目标时区是“美国/中部”。

# Localize to 'US / Central' 
sr.tz_localize('US/Central')

输出：

正如我们在输出中看到的，Series.tz_localize()函数已将给定的原始时区索引转换为时间感知索引。

范例2：采用Series.tz_localize()函数将给定Series的时区天真索引本地化到目标时区。

# importing pandas as pd 
import pandas as pd 
  
# Creating the Series 
sr = pd.Series([19.5, 16.8, 22.78, 20.124, 18.1002]) 
  
# Create the Datetime Index 
didx = pd.DatetimeIndex(start ='2014-08-01 10:00', freq ='W',  
                                                 periods = 5)  
  
# set the index 
sr.index = didx 
  
# Print the series 
print(sr)

输出：

现在我们将使用Series.tz_localize()函数将给定的时区天真索引本地化为时区感知索引。目标时区为“亚洲/Calcutta”。

# Localize to 'Asia/Calcutta' 
sr.tz_localize('Asia/Calcutta')

输出：

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.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。