DataFrame.tz_localize(tz, axis=0, level=None, copy=True, ambiguous='raise', nonexistent='raise') [source]
将Series或DataFrame的Localize tz-naive索引到目标时区。
此操作将对索引进行本地化。使用Series.dt.tz_localize()将时间区域Series中的值本地化。
参数： | tz ： 移动的周期数，可以是正的，也可以是负的。 axis ：要 localize的轴 level ： 如果axis是多索引，则转换特定级别。否则，一定为 copy ： 是否要复制基础数据。 ambiguous ： 默认为 当时钟由于DST而向后移动时，可能会产生不明确的时间。 例如，在中欧时间（ 从夏令时 本地时间 发生在世界标准时间 和 在这种情况下， 歧义参数指示应该如何处理歧义时间。 ● ● False表示非DST时间 （请注意，此标志仅适用于不明确的时间） ●如果时间不明确， ●如果存在不明确的时间， nonexistent ： 在特定时区中不存在不存在的时间， 在该特定时区中时钟由于DST而向前移动。有效值为： ● ● ●如果没有时间， ● ●如果不存在时间， 0.24.0版中的新功能。 |
返回值： | Series 或 DataFrame 与输入类型相同。 |
Raises： | TypeError 如果TimeSeries为tz-aware，而tz不是None。 |
例子
本地化本地时间：
>>> 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请注意DST更改。有顺序数据时，熊猫可以推断出夏令时时间：
>>> 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在某些情况下，无法推断出夏令时。在这种情况下，您可以将ndarray传递给歧义参数以显式设置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过渡导致不存在时间，则可以使用timedelta对象或'shift_forward' 或'shift_backward'将这些日期向前或向后移动。
>>> 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