pandas.Series.to_timestamp#

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

将时间戳转换为时间段的*开始*的 DatetimeIndex。

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’}: 转换时期为时间戳的约定；时期的开始与结束。
复制bool, 默认 False: 是否返回一个副本。

备注

copy 关键字将在 pandas 3.0 中更改行为。写时复制将默认启用，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 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 的系列: 将 PeriodIndex 转换为 DatetimeIndex 的系列。

参见

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

例子

>>> idx = pd.PeriodIndex(["2023", "2024", "2025"], freq="Y")
>>> s1 = pd.Series([1, 2, 3], index=idx)
>>> s1
2023    1
2024    2
2025    3
Freq: Y-DEC, dtype: int64

时间戳的结果频率是 YearBegin

>>> s1 = s1.to_timestamp()
>>> s1
2023-01-01    1
2024-01-01    2
2025-01-01    3
Freq: YS-JAN, dtype: int64

使用 freq ，这是时间戳将具有的偏移量

>>> s2 = pd.Series([1, 2, 3], index=idx)
>>> s2 = s2.to_timestamp(freq="M")
>>> s2
2023-01-31    1
2024-01-31    2
2025-01-31    3
Freq: YE-JAN, dtype: int64