跳转至

Python | Pandas series.dt.to_pydatetime

原文:https://www.geesforgeks.org/python-pandas-series-dt-to_pydatetime/

Series.dt可用于访问系列的值，如 datetimelike，并返回几个属性。Pandas **Series.dt.to_pydatetime()**函数将数据作为本机 Python 日期时间对象的数组返回。如果存在时区信息，将保留该信息。

语法: Series.dt.to_pydatetime()

参数:无

返回: numpy.ndarray

示例#1: 使用Series.dt.to_pydatetime()函数将给定的序列对象作为本机 python datetime 对象的数组返回。

# importing pandas as pd
import pandas as pd

# Creating the Series
sr = pd.Series(['2012-12-31', '2019-1-1 12:30', '2008-02-2 10:30',
               '2010-1-1 09:25', '2019-12-31 00:00'])

# Creating the index
idx = ['Day 1', 'Day 2', 'Day 3', 'Day 4', 'Day 5']

# set the index
sr.index = idx

# Convert the underlying data to datetime 
sr = pd.to_datetime(sr)

# Print the series
print(sr)

输出:

现在我们将使用Series.dt.to_pydatetime()函数将数据作为本机 Python datetime 对象的数组返回。

# return the series data as a 
# native python datetime data
result = sr.dt.to_pydatetime() 

# print the result
print(result)

输出:

正如我们在输出中看到的那样，Series.dt.to_pydatetime()函数已经成功地将给定序列对象的底层数据作为本机 python datetime 数据的数组返回。

示例#2 : 使用Series.dt.to_pydatetime()函数将给定的序列对象作为本机 python datetime 对象的数组返回。

# importing pandas as pd
import pandas as pd

# Creating the Series
sr = pd.Series(pd.date_range('2012-12-31 00:00', periods = 5, freq = 'D',
                            tz = 'US / Central'))

# Creating the index
idx = ['Day 1', 'Day 2', 'Day 3', 'Day 4', 'Day 5']

# set the index
sr.index = idx

# Print the series
print(sr)

输出:

现在我们将使用Series.dt.to_pydatetime()函数将数据作为本机 Python datetime 对象的数组返回。

# return the series data as a 
# native python datetime data
result = sr.dt.to_pydatetime() 

# print the result
print(result)

输出:

正如我们在输出中看到的那样，Series.dt.to_pydatetime()函数已经成功地将给定序列对象的底层数据作为本机 python datetime 数据的数组返回。

回到顶部