pandas.DatetimeIndex.tz_localize

DatetimeIndex.tz_localize(tz, ambiguous='raise', nonexistent='raise')[source]

Локализация временной зоны для объекта Datetime без временной зоны в объект Datetime с временной зоной.

Этот метод принимает объект Datetime Array/Index без временной зоны и делает его осознанным относительно временной зоны. Он не перемещает время в другую временную зону.

Этот метод также может быть использован для обратного преобразования — для создания объекта без временной зоны из объекта с временной зоной. Для этого передайте tz=None.

Параметры:

tz:str, pytz.timezone, dateutil.tz.tzfile, datetime.tzinfo или None

Временная зона для преобразования временных меток. Передача None удалит информацию о временной зоне, сохранив локальное время.

ambiguous:‘infer’, ‘NaT’, массив bool, по умолчанию ‘raise’

Когда часы переводились назад из-за DST (перевода времени на летнее), могут возникать 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 обрабатывать неоднозначные моменты времени.

• ‘infer’ попытается определить часы перехода на зимнее время на основе порядка

• булевый массив ndarray, где True означает время DST, False — время без DST (обратите внимание, что этот флаг применим только для неоднозначных моментов времени)

• ‘NaT’ вернёт NaT, если существуют неоднозначные моменты времени

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

nonexistent:‘shift_forward’, ‘shift_backward’, ‘NaT’, timedelta, по умолчанию ‘raise’

Несуществующее время не существует в определённой временной зоне, когда часы переводились вперёд из-за DST.

• ‘shift_forward’ сдвинет несуществующее время вперёд к ближайшему существующему времени

• ‘shift_backward’ сдвинет несуществующее время назад к ближайшему существующему времени

• ‘NaT’ вернёт NaT, если существуют несуществующие моменты времени

• объекты timedelta сдвинут несуществующее время на указанное значение timedelta

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

Возвращаемое значение:

Тип такой же, как у self

Массив/индекс, преобразованный в указанную временную зону.

Исключения:

TypeError

Если массив/индекс Datetime с временной зоной, а tz не равен None.

См. также

DatetimeIndex.tz_convert

Преобразование DatetimeIndex с временной зоной из одной временной зоны в другую.

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 часовой зоне 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=None)

С помощью tz=None, мы можем удалить информацию о временной зоне, сохранив локальное время (без преобразования 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=None)

Будьте осторожны с изменениями DST. При 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 можно передать массив ndarray в параметр ambiguous, чтобы явно установить 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   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 DST вызывает несуществующие моменты времени, 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]