Python | Pandas Series.dt.tz_localize介绍

Pandas是一个基于NumPy的库，用于数据处理和数据分析。其中，Series.dt.tz_localize()是Series对象的一个方法，用于将Series对象中的元素本地化至指定的时区。

语法

Series.dt.tz_localize(tz, axis=0, level=None, copy=True, ambiguous='raise')

参数解释

• tz：表示要将Series对象本地化到的时区。要求时区的格式为字符串，如'Europe/Berlin'。
• axis：表示要处理的轴。默认为0（按行处理）。
• level：表示要处理的MultiIndex的级别。默认为None。
• copy：表示是否需要复制Series对象。默认为True。
• ambiguous：表示如何处理存在歧义的时间。默认为'raise'，即出现歧义时抛出异常。

返回值

返回一个本地化后的Series对象。

示例

import pandas as pd

# 创建一个带有时区的Series对象
s = pd.Series(pd.date_range('2022-01-01', periods=3, freq='H', tz='Europe/Berlin'))
>>> s
0   2022-01-01 00:00:00+01:00
1   2022-01-01 01:00:00+01:00
2   2022-01-01 02:00:00+01:00
dtype: datetime64[ns, Europe/Berlin]

# 将Series对象本地化至'US/Pacific'时区
s_localized = s.dt.tz_localize('Europe/Berlin').dt.tz_convert('US/Pacific')
>>> s_localized
0   2021-12-31 15:00:00-08:00
1   2021-12-31 16:00:00-08:00
2   2021-12-31 17:00:00-08:00
dtype: datetime64[ns, US/Pacific]

以上示例中，我们创建了一个带有时区的Series对象s，并使用Series.dt.tz_localize()方法将其本地化至'Europe/Berlin'时区。接着，我们使用Series.dt.tz_convert()方法将其转换至'US/Pacific'时区，并将结果存储在s_localized中。最终，s_localized中的时间均比原始时间早8小时，符合'US/Pacific'时区的时间。