Python Pandas Series.tz_localize用法及代碼示例

Python是進行數據分析的一種出色語言，主要是因為以數據為中心的python軟件包具有奇妙的生態係統。 Pandas是其中的一種，使導入和分析數據更加容易。

Pandas 係列是帶有軸標簽的一維ndarray。標簽不必是唯一的，但必須是可哈希的類型。該對象同時支持基於整數和基於標簽的索引，並提供了許多方法來執行涉及索引的操作。

Pandas Series.tz_localize()函數用於將Series或DataFrame的tz-naive索引本地化為目標時區。此操作將索引本地化。為了本地化timezone-naive係列中的值，我們可以使用Series.dt.tz_localize()。

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

參數：
tz:字符串或pytz.timezone對象
axis:定位軸
level:如果軸為MultiIndex，則定位特定級別。否則必須為None
copy:同時複製基礎數據
ambiguous:“推斷”，bool-ndarray，“ NaT”，默認為“提高”
nonexistent:str，默認為“提高”

返回：係列或 DataFrame

範例1：采用Series.tz_localize()函數將給定Series的時區天真索引本地化到目標時區。

# 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)

輸出：

現在我們將使用Series.tz_localize()函數將給定的時區天真索引本地化為時區感知索引。目標時區是“美國/中部”。

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

輸出：

正如我們在輸出中看到的，Series.tz_localize()函數已將給定的原始時區索引轉換為時間感知索引。

範例2：采用Series.tz_localize()函數將給定Series的時區天真索引本地化到目標時區。

# 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)

輸出：

現在我們將使用Series.tz_localize()函數將給定的時區天真索引本地化為時區感知索引。目標時區為“亞洲/Calcutta”。

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

輸出：

相關用法

注：本文由純淨天空篩選整理自Shubham__Ranjan大神的英文原創作品 Python | Pandas Series.tz_localize。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。