pandas.DataFrame.to_timestamp

DataFrame.to_timestamp(freq=None, how='start', axis=0, copy=None)

将DataFrame转换为时间戳的DatetimeIndex，位于周期*开始*处。

Parameters:

freqstr，默认值为 PeriodIndex 的频率

所需频率。

how{‘s’, ‘e’, ‘start’, ‘end’}

将周期转换为时间戳的约定；周期的开始或结束。

axis{0 或 ‘index’, 1 或 ‘columns’}, default 0

要转换的轴（默认为索引）。

copybool, default True

如果为 False，则不对底层输入数据进行复制。

备注

copy 关键字在 pandas 3.0 中将更改行为。Copy-on-Write 将默认启用，这意味着所有带有 copy 关键字的方法都将使用惰性复制机制来延迟复制并忽略 copy 关键字。copy 关键字将在 pandas 的未来版本中移除。

通过启用 copy on write pd.options.mode.copy_on_write = True，您可以获得未来的行为和改进。

Returns:

DataFrame

DataFrame 具有 DatetimeIndex。

Examples

>>> 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初

>>> 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 Timestamps 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)