Pandas是基于NumPy 的一种工具,该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型,提供了高效地操作大型数据集所需的工具。Pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现,它是使Python成为强大而高效的数据分析环境的重要因素之一。本文主要介绍一下Pandas中pandas.DataFrame.tz_convert方法的使用。

DataFrame.tz_convert(tz, axis=0, level=None, copy=True) [source]

将tz-aware axis转换为目标时区。

参数:

tz strtzinfo object

移动的周期数,可以是正的,也可以是负的。

axis :要转换的轴

level :int, str, 默认为None

如果axis是多索引,则转换特定级别。否则,一定为None

copy :bool, 默认为 True

是否要复制基础数据。

返回值:

{klass}

具有时区转换轴的对象。

Raises:

TypeError

如果坐标轴是 tz-naive.

例子,

使用DataFrame.tz_convert()函数将给定数据帧的时区转换为'Europe/Berlin'

>>> import pandas as pd 
>>> df = pd.DataFrame({'Weight':[45, 88, 56, 15, 71], 
                   'Name':['Sam', 'Andrea', 'Alex', 'Robin', 'Kia'], 
                   'Age':[14, 25, 55, 8, 21]}) 
>>> index_ = pd.date_range('2010-10-09 08:45', periods = 5, freq ='H', tz = 'US/Central') 
>>> df.index = index_ 
# 让我们看看现在的时区
# 给定的数据格式
>>> print(df.index) 
DatetimeIndex(['2010-10-09 08:45:00-05:00', '2010-10-09 09:45:00-05:00',
               '2010-10-09 10:45:00-05:00', '2010-10-09 11:45:00-05:00',
               '2010-10-09 12:45:00-05:00'],
              dtype='datetime64[ns, US/Central]', freq='H')  
#属性的时区转换
# dataframe到 “欧洲/柏林”
>>> df = df.tz_convert(tz = 'Europe/Berlin')   
#让我们找出当前的时区
#指定dataframe
>>> print(df.index)  
DatetimeIndex(['2010-10-09 15:45:00+02:00', '2010-10-09 16:45:00+02:00',
               '2010-10-09 17:45:00+02:00', '2010-10-09 18:45:00+02:00',
               '2010-10-09 19:45:00+02:00'],
              dtype='datetime64[ns, Europe/Berlin]', freq='H')

推荐文档

相关文档

大家感兴趣的内容

随机列表