pandas.DataFrame.to_timestamp#

DataFrame.to_timestamp(freq=None, how='start', axis=0, copy=<no_default>)[源代码][源代码]#

将 PeriodIndex 转换为时间戳的 DatetimeIndex，在周期的开始。

这可以通过指定 how=”e” 改为周期的结束。

参数:

freqstr, 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；周期的开始与结束。
轴{0 或 ‘index’, 1 或 ‘columns’}，默认 0: 要转换的轴（默认是索引）。
复制布尔值, 默认为 False: 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一种延迟复制机制来推迟复制并忽略 copy 关键字。copy 关键字将在 pandas 的未来版本中被移除。

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

自 3.0.0 版本弃用.

返回:

带有 DatetimeIndex 的 DataFrame: 带有转换为 DatetimeIndex 的 PeriodIndex 的 DataFrame。

参见

DataFrame.to_period: 将 DatetimeIndex 转换为 PeriodIndex 的逆方法。
Series.to_timestamp: Series 的等效方法

例子

>>> 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的开始。

>>> 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，这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)