pandas.DataFrame.to_timestamp #

数据框。to_timestamp ( freq = None , how = 'start' , axis = 0 , copy = None ) [来源] #

在周期开始时转换为时间戳的 DatetimeIndex 。

参数：

freq str，PeriodIndex 的默认频率: 所需的频率。
如何{'s', 'e', '开始', '结束'}: 将周期转换为时间戳的约定；期间开始与结束。
轴{0 或 'index', 1 或 'columns'}, 默认 0: 要转换的轴（默认为索引）。
复制布尔值，默认 True: 如果为 False，则不复制基础输入数据。

笔记

copy关键字将改变 pandas 3.0 中的行为。默认情况下会启用Copy-on-Write ，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推迟复制并忽略copy关键字。 copy关键字将在 pandas 的未来版本中删除。

您已经可以通过启用写入时复制来获得未来的行为和改进pd.options.mode.copy_on_write = True

返回：

数据框: DataFrame 有一个 DatetimeIndex。

例子

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