pandas.DataFrame.tz_localize

DataFrame.tz_localize(self, tz, axis=0, level=None, copy=True, ambiguous='raise', nonexistent='raise') [source]

Локализация временной зоны для индекса Series или DataFrame, не имеющего временной зоны.

Эта операция локализует индекс. Чтобы локализовать значения в Series, не имеющей временной зоны, используйте Series.dt.tz_localize().

Параметры:	tz : string or pytz.timezone object axis : the axis to localize level : int, str, default None Если ось является MultiIndex, локализовать определённый уровень. В противном случае должно быть None copy : boolean, default True Также создать копию базовых данных ambiguous : ‘infer’, bool-ndarray, ‘NaT’, default ‘raise’ Когда часы перемещаются назад из-за DST, могут возникнуть неоднозначные моменты времени. Например, в Центральноевропейском времени (UTC+01), при переходе с 03:00 DST на 02:00 non-DST, 02:30:00 местного времени соответствует 00:30:00 UTC и 01:30:00 UTC. В такой ситуации параметр ambiguous определяет, как должны обрабатываться неоднозначные моменты времени. ‘infer’ попытается определить часы перехода на летнее время осенью, основываясь на порядке bool-массив, где True указывает на время DST, а False на время non-DST (обратите внимание, что этот флаг применяется только к неоднозначным моментам времени) ‘NaT’ вернёт NaT, если имеются неоднозначные моменты времени ‘raise’ вызовет AmbiguousTimeError, если имеются неоднозначные моменты времени nonexistent : str, default ‘raise’ Несуществующее время не существует в определённой временной зоне, когда часы перемещаются вперёд из-за DST. Допустимые значения: ‘shift_forward’ переместит несуществующее время вперёд к ближайшему существующему времени ‘shift_backward’ переместит несуществующее время назад к ближайшему существующему времени ‘NaT’ вернёт NaT, если имеются несуществующие моменты времени объекты timedelta сдвинут несуществующие моменты времени на указанное значение ‘raise’ вызовет NonExistentTimeError, если имеются несуществующие моменты времени Добавлена в версии 0.24.0.
Возвращает:	Series или DataFrame Тип совпадает с типом входных данных.
Возбуждает:	TypeError Если TimeSeries имеет временную зону, а tz не равно None.

Примеры

Локализация локального времени:

>>> 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

Будьте внимательны с изменениями DST. При наличии последовательных данных pandas может определить время DST:

>>> 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

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

Если переход DST вызывает несуществующее время, вы можете сдвинуть эти даты вперёд или назад с помощью объекта timedelta или ‘shift_forward’ или ‘shift_backwards’. >>> 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