Python pandas.DataFrame.tz_localize用法及代碼示例

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

將 Series 或 DataFrame 的 tz-naive 索引本地化到目標時區。

此操作本地化索引。要本地化 timezone-naive 係列中的值，請使用 Series.dt.tz_localize() 。

參數：

tz：str 或 tzinfo

axis：要定位的軸

level：int, str, 默認無

如果軸 ia 是 MultiIndex，則本地化特定級別。否則必須為無。

copy：布爾值，默認為真

同時製作基礎數據的副本。

ambiguous：‘infer’, bool-ndarray, ‘NaT’, 默認 ‘raise’

當時鍾由於 DST 向後移動時，可能會出現不明確的時間。例如，在歐洲中部時間 (UTC+01) 中，當從 03:00 DST 到 02:00 非 DST 時，當地時間 02:30:00 發生在 00:30:00 UTC 和 01:30:00世界標準時間。在這種情況下，ambiguous 參數指示應如何處理模棱兩可的時間。

‘infer’ 將嘗試根據訂單推斷秋季 dst-transition 小時
bool-ndarray 其中 True 表示 DST 時間，False 表示非 DST 時間(請注意，此標誌僅適用於模棱兩可的時間)
'NaT' 將在時間不明確的地方返回 NaT
如果時間不明確，‘raise’ 將引發 AmbiguousTimeError。

nonexistent：str，默認 ‘raise’

由於 DST，時鍾向前移動的特定時區不存在不存在的時間。有效值為：

‘shift_forward’ 將不存在的時間向前移動到最接近的存在時間
‘shift_backward’ 將不存在的時間向後移動到最接近的存在時間
‘NaT’ 將返回不存在時間的 NaT
timedelta 對象會將不存在的時間移動 timedelta
如果時間不存在，‘raise’ 將引發 NonExistentTimeError。

Series或DataFrame: 與輸入相同的類型。

拋出：

TypeError: 如果 TimeSeries 是 tz-aware 並且 tz 不是 None。

例子：

本地化當地時間：

>>> s = pd.Series([1],
...               index=pd.DatetimeIndex(['2018-09-15 01:30:00']))
>>> s.tz_localize('CET')
2018-09-15 01:30:00+02:00    1
dtype:int64

小心 DST 更改。當有順序數據時，pandas 可以推斷 DST 時間：

>>> s = pd.Series(range(7),
...               index=pd.DatetimeIndex(['2018-10-28 01:30:00',
...                                       '2018-10-28 02:00:00',
...                                       '2018-10-28 02:30:00',
...                                       '2018-10-28 02:00:00',
...                                       '2018-10-28 02:30:00',
...                                       '2018-10-28 03:00:00',
...                                       '2018-10-28 03:30:00']))
>>> s.tz_localize('CET', ambiguous='infer')
2018-10-28 01:30:00+02:00    0
2018-10-28 02:00:00+02:00    1
2018-10-28 02:30:00+02:00    2
2018-10-28 02:00:00+01:00    3
2018-10-28 02:30:00+01:00    4
2018-10-28 03:00:00+01:00    5
2018-10-28 03:30:00+01:00    6
dtype:int64

在某些情況下，推斷 DST 是不可能的。在這種情況下，您可以將 ndarray 傳遞給 ambiguous 參數以顯式設置 DST

>>> s = pd.Series(range(3),
...               index=pd.DatetimeIndex(['2018-10-28 01:20:00',
...                                       '2018-10-28 02:36:00',
...                                       '2018-10-28 03:46:00']))
>>> s.tz_localize('CET', ambiguous=np.array([True, True, False]))
2018-10-28 01:20:00+02:00    0
2018-10-28 02:36:00+02:00    1
2018-10-28 03:46:00+01:00    2
dtype:int64

如果 DST 轉換導致時間不存在，您可以使用 timedelta 對象或 ‘shift_forward’ 或 ‘shift_backward’ 將這些日期向前或向後移動。

>>> s = pd.Series(range(2),
...               index=pd.DatetimeIndex(['2015-03-29 02:30:00',
...                                       '2015-03-29 03:30:00']))
>>> s.tz_localize('Europe/Warsaw', nonexistent='shift_forward')
2015-03-29 03:00:00+02:00    0
2015-03-29 03:30:00+02:00    1
dtype:int64
>>> s.tz_localize('Europe/Warsaw', nonexistent='shift_backward')
2015-03-29 01:59:59.999999999+01:00    0
2015-03-29 03:30:00+02:00              1
dtype:int64
>>> s.tz_localize('Europe/Warsaw', nonexistent=pd.Timedelta('1H'))
2015-03-29 03:30:00+02:00    0
2015-03-29 03:30:00+02:00    1
dtype:int64

相關用法

注：本文由純淨天空篩選整理自pandas.pydata.org大神的英文原創作品 pandas.DataFrame.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。

用法:

參數：

返回：

拋出：

例子：