pandas.DatetimeIndex.tz_localize

DatetimeIndex.tz_localize(*args, **kwargs) [source]

Локализация часового пояса для объекта Datetime без часового пояса/Индекса.

Этот метод принимает объект Datetime Array/Index без часового пояса и делает его часовым. Он не перемещает время в другой часовой пояс. Локализация часового пояса помогает переключаться между объектами с часовым поясом и без него.

Параметры:	tz : string, pytz.timezone, dateutil.tz.tzfile or None Часовой пояс для преобразования временных меток. Передача None удалит информацию о часовом поясе, сохранив местное время. ambiguous : ‘infer’, ‘NaT’, bool array, default ‘raise’ Когда часы двигаются назад из-за перехода на летнее время, могут возникнуть неоднозначные времена. Например, в Центральноевропейском времени (UTC+01), при переходе с 03:00 летнего времени на 02:00 стандартного времени, 02:30:00 местного времени соответствует 00:30:00 UTC и 01:30:00 UTC. В такой ситуации параметр ambiguous определяет, как следует обрабатывать неоднозначные времена. ‘infer’ попытается определить часы перехода на зимнее время на основе порядка булевый массив, где True означает время летнего времени, False — время стандартного времени (обратите внимание, что этот флаг применим только для неоднозначных времен) ‘NaT’ вернет NaT в случае неоднозначных времен ‘raise’ выбросит AmbiguousTimeError, если возникнут неоднозначные времена nonexistent : ‘shift_forward’, ‘shift_backward, ‘NaT’, timedelta, по умолчанию ‘raise’ Несуществующее время не существует в определенном часовом поясе, когда часы переведены вперед из-за перехода на летнее время. ‘shift_forward’ переместит несуществующее время вперед к ближайшему существующему времени ‘shift_backward’ переместит несуществующее время назад к ближайшему существующему времени ‘NaT’ вернет NaT в случае несуществующих времен объекты timedelta сместят несуществующие времена на соответствующее время ‘raise’ выбросит NonExistentTimeError, если возникнут несуществующие времена Введено в версии 0.24.0. errors : {‘raise’, ‘coerce’}, default None ‘raise’ вызовет NonExistentTimeError, если временная метка недействительна в указанном часовом поясе (например, из-за перехода на летнее или стандартное время). Используйте nonexistent='raise' вместо этого. ‘coerce’ вернет NaT, если временную метку нельзя преобразовать в указанный часовой пояс. Используйте nonexistent='NaT' вместо этого. Устарело начиная с версии 0.24.0.
Возвращает:	result : same type as self Массив/Индекс, преобразованный в указанный часовой пояс.
Возможные исключения:	TypeError Если Datetime Array/Index имеет часовой пояс, а tz не равен None.

См. также

DatetimeIndex.tz_convert

Преобразование tz-aware DatetimeIndex из одного часового пояса в другой.

Примеры

>>> 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')

Локализация DatetimeIndex в часовом поясе US/Eastern:

>>> 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='D')

С помощью tz=None, мы можем удалить информацию о часовом поясе, сохранив местное время (не преобразуя его в UTC):

>>> 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='D')

Будьте осторожны с изменениями летнего времени. При последовательных данных pandas может определить время летнего времени: >>> 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’) 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

В некоторых случаях определение летнего времени невозможно. В таких случаях вы можете передать массив ndarray в параметр ambiguous, чтобы явно установить время летнего времени

>>> 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]

Если переход на летнее время приводит к несуществующим временам, вы можете сдвинуть эти даты вперед или назад с помощью объекта timedelta или ‘shift_forward’ или ‘shift_backwards’. >>> 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’]