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 Timestamp.tz_localize()
函數將天真時間戳轉換為本地時區,或從tz-aware時間戳中刪除時區。
用法:Timestamp.tz_localize()
參數:
tz:時間戳將轉換為的時區。沒有一個將刪除保留本地時間的時區。
ambiguous:bool,“ NaT”,默認為“ raise”
errors:“ raise ”,“強製”,默認“ raise ”
返回:本地化:時間戳
範例1:采用Timestamp.tz_localize()
函數將tz-aware時間戳轉換為樸素的時間戳對象。
# importing pandas as pd
import pandas as pd
# Create the Timestamp object
ts = pd.Timestamp(year = 2011, month = 11, day = 21,
hour = 10, second = 49, tz = 'US/Central')
# Print the Timestamp object
print(ts)
輸出:
現在我們將使用Timestamp.tz_localize()
函數將tz-aware時間戳轉換為樸素時間戳。
# convert to naive Timestamp
ts.tz_localize(tz = None)
輸出:
正如我們在輸出中看到的,Timestamp.tz_localize()
函數已將給定的時間戳轉換為幼稚的時間戳映射。
範例2:采用Timestamp.tz_localize()
函數將給定的樸素時間戳轉換為tz-aware時間戳對象。將時區設置為“美國/太平洋”。
# importing pandas as pd
import pandas as pd
# Create the Timestamp object
ts = pd.Timestamp(year = 2009, month = 5, day = 31,
hour = 4, second = 49)
# Print the Timestamp object
print(ts)
輸出:
現在我們將使用Timestamp.tz_localize()
函數將ts對象的時區設置為“美國/太平洋”。
# set to 'US / Pacific'
ts.tz_localize(tz = 'US/Pacific')
輸出:
正如我們在輸出中看到的,Timestamp.tz_localize()
函數已將給定對象的時區設置為“美國/太平洋”。
相關用法
- Python pandas.map()用法及代碼示例
- Python Pandas Timestamp.now用法及代碼示例
- Python Pandas Timestamp.second用法及代碼示例
- Python Pandas DataFrame.abs()用法及代碼示例
- Python Pandas Series.lt()用法及代碼示例
- Python Pandas dataframe.all()用法及代碼示例
- Python Pandas DataFrame.ix[ ]用法及代碼示例
- Python Pandas Series.pop()用法及代碼示例
- Python Pandas TimedeltaIndex.max用法及代碼示例
- Python Pandas Timestamp.dst用法及代碼示例
- Python Pandas Timestamp.tz用法及代碼示例
- Python Pandas Series.mean()用法及代碼示例
- Python Pandas TimedeltaIndex.min用法及代碼示例
- Python Pandas Series.ptp()用法及代碼示例
- Python Pandas dataframe.cov()用法及代碼示例
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 Timestamp.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。