pandas.DataFrame.tz_localize

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

Локализация временной зоны для индекса Series или DataFrame, который не имеет информации о временной зоне.

Эта операция локализует индекс. Для локализации значений в Series, не содержащей информации о временной зоне, используйте Series.dt.tz_localize().

Параметры:

tz:строка или tzinfo или None

Временная зона для локализации. Передача None удалит информацию о временной зоне и сохранит местное время.

axis:{0 или ‘index’, 1 или ‘columns’}, по умолчанию 0

Ось для локализации

level:целое число, строка, по умолчанию None

Если ось является MultiIndex, локализуется определённый уровень. В противном случае должно быть None.

copy:булево значение, по умолчанию True

Также создаётся копия базовых данных.

Примечание

Ключевое слово copy изменит поведение в pandas 3.0. Copy-on-Write будет включено по умолчанию, что означает, что все методы с ключевым словом copy будут использовать механизм ленивой копии, чтобы отложить копирование и игнорировать ключевое слово copy. Ключевое слово copy будет удалено в будущей версии pandas.

Вы уже можете получить будущие поведение и улучшения, включив copy on write pd.options.mode.copy_on_write = True

ambiguous:'infer', bool-ndarray, 'NaT', по умолчанию 'raise'

При изменении времени из-за перехода на летнее/зимнее время 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 как 00:30:00 UTC, так и 01:30:00 UTC. В такой ситуации параметр ambiguous определяет, как следует обрабатывать неоднозначные моменты времени.

• ‘infer’ попытается определить часы перехода на зимнее время по порядку

• bool-ndarray, где True указывает на время DST, False — на время без DST (обратите внимание, что этот флаг применим только для неоднозначных моментов времени)

• ‘NaT’ вернёт NaT при наличии неоднозначных моментов времени

• ‘raise’ вызовет AmbiguousTimeError, если имеются неоднозначные моменты времени.

nonexistent:строка, по умолчанию 'raise'

Несуществующее время не существует в определённой временной зоне при переходе на летнее время. 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 при наличии несуществующих моментов времени

• объекты timedelta сместят несуществующие моменты времени на timedelta

• ‘raise’ вызовет NonExistentTimeError, если имеются несуществующие моменты времени.

Возвращаемое значение:

Series/DataFrame

Тип такой же, как у входных данных.

Возбуждаемые исключения:

TypeError

Если TimeSeries имеет временную зону и tz не равно None.

Примеры

Локализация местного 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

Передача None для преобразования в индекс без временной зоны и сохранения местного времени:

>>> s = pd.Series([1],
...               index=pd.DatetimeIndex(['2018-09-15 01:30:00+02:00']))
>>> s.tz_localize(None)
2018-09-15 01:30:00    1
dtype: int64

Обратите внимание на переходы на летнее/зимнее время. При 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 можно передать ndarray в параметр ambiguous, чтобы явно указать время 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 на летнее/зимнее время приводит к несуществующим моментам времени, можно сдвинуть эти даты вперёд или назад с помощью объекта timedelta или ‘shift_forward’ или ‘shift_backward’.

>>> 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