pandas.Series.dt.tz_localize

Series.dt.tz_localize(self, *args, **kwargs) [source]

Локализация часового пояса для массива/индекса DateTime без часового пояса в массив/индекс DateTime с часовым поясом.

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

Параметры:	tz : str, 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 переводятся назад из-за перехода на летнее время, могут возникнуть неоднозначные моменты. Например, в Центральноевропейском времени (UTC+01), при переходе с 03:00 DST на 02:00 не-DST, 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 моменты. ‘infer’ попытается определить часы перехода на зимнее время на основе порядка bool-массив, где True означает время DST, а False означает время не DST (обратите внимание, что этот флаг применим только к неоднозначным моментам) ‘NaT’ вернёт NaT, если есть неоднозначные моменты ‘raise’ вызовет AmbiguousTimeError, если есть неоднозначные моменты nonexistent : ‘shift_forward’, ‘shift_backward, ‘NaT’, timedelta, default ‘raise’ Несуществующее время не существует в конкретном часовом поясе, где часы переводятся вперёд из-за перехода на летнее время. ‘shift_forward’ сдвинет несуществующее время вперёд к ближайшему существующему времени ‘shift_backward’ сдвинет несуществующее время назад к ближайшему существующему времени ‘NaT’ вернёт NaT, если есть несуществующие моменты объекты timedelta сместят несуществующие моменты на заданный интервал ‘raise’ вызовет NonExistentTimeError, если есть несуществующие моменты Добавлен в версии 0.24.0. errors : {‘raise’, ‘coerce’}, default None ‘raise’ вызовет NonExistentTimeError, если временная метка не является допустимой в указанном часовом поясе (например, из-за перехода на летнее время или обратно). Используйте nonexistent='raise' вместо. ‘coerce’ вернёт NaT, если временная метка не может быть преобразована в указанный часовой пояс. Используйте nonexistent='NaT' вместо. Устарело начиная с версии 0.24.0.
Возвращает:	Тип, аналогичный self Массив/индекс, преобразованный в указанный часовой пояс.
Возбуждает:	TypeError Если массив/индекс DateTime имеет часовой пояс и tz не равно None.

См. также

DatetimeIndex.tz_convert

Преобразование DatetimeIndex с часовым поясом 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 tz=None, мы можем удалить информацию о часовом поясе, сохранив местное время (не преобразовывая 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')

Обратите внимание на переходы на летнее/зимнее время. При наличии последовательных данных pandas может определить время DST: >>> 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]

В некоторых случаях определение DST невозможно. В таких случаях вы можете передать массив в параметр ambiguous, чтобы явно установить время 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   2015-03-29 03:00:00+02:00
1   2015-03-29 03:30:00+02:00
dtype: datetime64[ns, Europe/Warsaw]

Если переход на летнее/зимнее время приводит к несуществующим моментам, вы можете сдвинуть эти даты вперёд 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’]