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

用法: DatetimeIndex.tz_localize(tz, ambiguous='raise', nonexistent='raise')

將 tz-naive 日期時間數組/索引本地化為 tz-aware 日期時間數組/索引。

此方法采用時區 (tz) 天真 Datetime Array/Index 對象，並使該時區感知。它不會將時間移動到另一個時區。

這個方法也可以用來做相反的事情——從一個感知對象創建一個時區不感知對象。為此，請傳遞 tz=None 。

參數：

tz：str、pytz.timezone、dateutil.tz.tzfile 或無

將時間戳轉換為的時區。傳遞None 將刪除保留本地時間的時區信息。

ambiguous：‘infer’, ‘NaT’, 布爾數組，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：‘shift_forward’, ‘shift_backward, ‘NaT’, timedelta, 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。

‘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。

與自己相同的類型: 數組/索引轉換為指定時區。

拋出：

TypeError: 如果日期時間數組/索引是 tz-aware 並且 tz 不是無。

例子：

>>> tz_naive = pd.date_range('2018-03-01 09:00', periods=3)
>>> tz_naive
DatetimeIndex(['2018-03-01 09:00:00', '2018-03-02 09:00:00',
               '2018-03-03 09:00:00'],
              dtype='datetime64[ns]', freq='D')

在美國/東部時區本地化 DatetimeIndex：

>>> tz_aware = tz_naive.tz_localize(tz='US/Eastern')
>>> tz_aware
DatetimeIndex(['2018-03-01 09:00:00-05:00',
               '2018-03-02 09:00:00-05:00',
               '2018-03-03 09:00:00-05:00'],
              dtype='datetime64[ns, US/Eastern]', freq=None)

使用 tz=None ，我們可以在保留本地時間(未轉換為 UTC)的同時刪除時區信息：

>>> tz_aware.tz_localize(None)
DatetimeIndex(['2018-03-01 09:00:00', '2018-03-02 09:00:00',
               '2018-03-03 09:00:00'],
              dtype='datetime64[ns]', freq=None)

小心 DST 更改。當有順序數據時，pandas 可以推斷 DST 時間：

>>> s = pd.to_datetime(pd.Series(['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.dt.tz_localize('CET', ambiguous='infer')
0   2018-10-28 01:30:00+02:00
1   2018-10-28 02:00:00+02:00
2   2018-10-28 02:30:00+02:00
3   2018-10-28 02:00:00+01:00
4   2018-10-28 02:30:00+01:00
5   2018-10-28 03:00:00+01:00
6   2018-10-28 03:30:00+01:00
dtype:datetime64[ns, CET]

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.to_datetime(pd.Series(['2018-10-28 01:20:00',
...                               '2018-10-28 02:36:00',
...                               '2018-10-28 03:46:00']))
>>> s.dt.tz_localize('CET', ambiguous=np.array([True, True, False]))
0   2018-10-28 01:20:00+02:00
1   2018-10-28 02:36:00+02:00
2   2018-10-28 03:46:00+01:00
dtype:datetime64[ns, CET]

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_backwards’ 將這些日期向前或向後移動。

>>> s = pd.to_datetime(pd.Series(['2015-03-29 02:30:00',
...                               '2015-03-29 03:30:00']))
>>> s.dt.tz_localize('Europe/Warsaw', nonexistent='shift_forward')
0   2015-03-29 03:00:00+02:00
1   2015-03-29 03:30:00+02:00
dtype:datetime64[ns, Europe/Warsaw]

>>> s.dt.tz_localize('Europe/Warsaw', nonexistent='shift_backward')
0   2015-03-29 01:59:59.999999999+01:00
1   2015-03-29 03:30:00+02:00
dtype:datetime64[ns, Europe/Warsaw]

>>> s.dt.tz_localize('Europe/Warsaw', nonexistent=pd.Timedelta('1H'))
0   2015-03-29 03:30:00+02:00
1   2015-03-29 03:30:00+02:00
dtype:datetime64[ns, Europe/Warsaw]

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.DatetimeIndex.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：