pandas.DataFrame.to_timestamp#

DataFrame.to_timestamp(freq=None, how='start', ось=0, copy=None)[источник]#

Приведение к DatetimeIndex временных меток, в начало периода.

Параметры:

freqstr, частота PeriodIndex по умолчанию: Желаемая частота.
how{‘s’, ‘e’, ‘start’, ‘end’}: Соглашение для преобразования периода в метку времени; начало периода против конца.
ось{0 или 'index', 1 или 'columns'}, по умолчанию 0: Ось для преобразования (по умолчанию индекс).
copybool, по умолчанию True: Если False, то исходные входные данные не копируются.

Примечание

The copy ключевое слово изменит поведение в pandas 3.0. Копирование при записи будет включено по умолчанию, что означает, что все методы с copy ключевое слово будет использовать механизм ленивого копирования для отложенного копирования и игнорирования copy ключевое слово. The copy ключевое слово будет удалено в будущей версии pandas.

Вы уже можете получить будущее поведение и улучшения, включив copy on write pd.options.mode.copy_on_write = True

Возвращает:

DataFrame: DataFrame имеет DatetimeIndex.

Примеры

>>> 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

Результирующие временные метки будут в начале года в этом случае

>>> 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)

Используя freq который является смещением, которое будут иметь Timestamps

>>> 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)