dask.dataframe.DataFrame.to_timestamp

dask.dataframe.DataFrame.to_timestamp¶

DataFrame.to_timestamp(freq=None, how='start', axis=0)[源代码]¶

将时间戳转换为 DatetimeIndex，位于周期的开始。

此文档字符串是从 pandas.core.frame.DataFrame.to_timestamp 复制而来的。

Dask 版本可能存在一些不一致性。

参数

频率str, PeriodIndex 的默认频率: 期望的频率。
如何{‘s’, ‘e’, ‘start’, ‘end’}: 转换周期为时间戳的约定；周期开始与周期结束。
轴{0 或 ‘index’, 1 或 ‘columns’}, 默认 0: 要转换的轴（默认是索引）。
复制bool, 默认 True (Dask 不支持): 如果为 False，则不会复制底层输入数据。

备注

copy 关键字将在 pandas 3.0 中改变行为。写时复制将被默认启用，这意味着所有带有 copy 关键字的方法将使用延迟复制机制来推迟复制并忽略 copy 关键字。copy 关键字将在未来版本的 pandas 中被移除。

您已经可以通过启用写时复制 pd.options.mode.copy_on_write = True 来获得未来的行为和改进。

返回

DataFrame: DataFrame 具有一个 DatetimeIndex。

示例

>>> idx = pd.PeriodIndex(['2023', '2024'], freq='Y')  
>>> d = {'col1': [1, 2], 'col2': [3, 4]}  
>>> df1 = pd.DataFrame(data=d, index=idx)  
>>> df1  
      col1   col2
2023     1      3
2024     2      4

在这种情况下，生成的时间戳将是一年之初的时间。

>>> df1 = df1.to_timestamp()  
>>> df1  
            col1   col2
2023-01-01     1      3
2024-01-01     2      4
>>> df1.index  
DatetimeIndex(['2023-01-01', '2024-01-01'], dtype='datetime64[ns]', freq=None)

使用 freq，它是时间戳将具有的偏移量

>>> df2 = pd.DataFrame(data=d, index=idx)  
>>> df2 = df2.to_timestamp(freq='M')  
>>> df2  
            col1   col2
2023-01-31     1      3
2024-01-31     2      4
>>> df2.index  
DatetimeIndex(['2023-01-31', '2024-01-31'], dtype='datetime64[ns]', freq=None)

dask.dataframe.DataFrame.to_sql

dask.dataframe.DataFrame.truediv