pandas.DataFrame.to_timestamp#

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

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

通过指定 how=”e”，可以将其更改为周期的结束。

参数:

freqstr, PeriodIndex 的默认频率: 所需的频率。
how{‘s’, ‘e’, ‘start’, ‘end’}: 将周期转换为时间戳的约定；周期的开始 vs. 结束。
axis{0 或 ‘index’, 1 或 ‘columns’}, 默认为 0: 要转换的轴（默认为索引）。
copybool，默认值 False: 此关键字已被忽略；更改其值将不会影响方法。

已弃用，版本 3.0.0: 此关键字已被忽略，并将在 pandas 4.0 中删除。自 pandas 3.0 起，此方法始终返回一个新对象，并使用延迟复制机制，该机制会推迟复制直到必要时（写时复制）。有关更多详细信息，请参阅关于写时复制的用户指南。

返回:

具有 DatetimeIndex 的 DataFrame: 具有已转换为 DatetimeIndex 的 PeriodIndex 的 DataFrame。

另请参阅

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

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，生成的时间戳将位于年份的开头

>>> 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[us]', freq=None)

使用 freq，即时间戳的偏移量

>>> 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[us]', freq=None)