pandas.DatetimeIndex #

熊猫类 。DatetimeIndex（数据=无，频率= _NoDefault.no_default， tz = _NoDefault.no_default，规范化= _NoDefault.no_default，关闭= _NoDefault.no_default，模糊= 'raise'， dayfirst = False， yearfirst = False， dtype = None， copy = False , name = None ) [来源] #

datetime64 数据的类似 ndarray 的不可变。

内部表示为 int64，可以装箱到 Timestamp 对象，这些对象是 datetime 的子类并携带元数据。

版本 2.0.0 中的更改：各种数字日期/时间属性（day、 month等year）现在具有 dtype int32。以前他们有 dtype int64。

参数：

类似数据数组（一维）

用于构建索引的类似日期时间的数据。

freq str 或 pandas 偏移对象，可选

pandas 日期偏移字符串或相应对象之一。可以传递字符串“infer”，以便将索引的频率设置为创建时推断的频率。

tz pytz.timezone 或 dateutil.tz.tzfile 或 datetime.tzinfo 或 str

设置数据的时区。

标准化布尔值，默认 False

在生成日期范围之前将开始/结束日期标准化为午夜。

自 2.1.0 版本起已弃用。

关闭{'左'，'右'}，可选

设置是否包括边界上的开始和结束。默认情况下包括两端的边界点。

自 2.1.0 版本起已弃用。

不明确的'infer'、bool-ndarray、'NaT'、默认 'raise'

当时钟因夏令时而向后移动时，可能会出现不明确的时间。例如，在中欧时间 (UTC+01) 中，当从 03:00 DST 到 02:00 非 DST 时，当地时间 02:30:00 会出现在 00:30:00 UTC 和 01:30:00世界标准时间。在这种情况下，不明确的参数指示应如何处理不明确的时间。

“infer”将尝试根据订单推断秋季夏令时转换时间
bool-ndarray 其中 True 表示 DST 时间，False 表示非 DST 时间（请注意，此标志仅适用于不明确的时间）
'NaT' 将在存在不明确时间的情况下返回 NaT
如果存在不明确的时间，“raise”将引发 AmbigouslyTimeError。

dayfirst布尔值，默认 False

如果为 True，则以日期优先的顺序解析数据中的日期。

yearfirst布尔值，默认 False

如果为 True，则以年份为第一顺序解析数据中的日期。

dtype numpy.dtype 或 DatetimeTZDtype 或 str，默认无

请注意，唯一允许的 NumPy dtype 是datetime64[ns]。

复制bool，默认 False

复制输入 ndarray。

名称标签，默认无

要存储在索引中的名称。

也可以看看

Index: 基本 pandas 索引类型。
TimedeltaIndex: timedelta64 数据的索引。
PeriodIndex: 期间数据索引。
to_datetime: 将参数转换为日期时间。
date_range: 创建固定频率的 DatetimeIndex。

笔记

要了解有关频率字符串的更多信息，请参阅此链接。

例子

>>> idx = pd.DatetimeIndex(["1/1/2020 10:00:00+00:00", "2/1/2020 11:00:00+00:00"])
>>> idx
DatetimeIndex(['2020-01-01 10:00:00+00:00', '2020-02-01 11:00:00+00:00'],
dtype='datetime64[ns, UTC]', freq=None)

属性

`year`	日期时间的年份。
`month`	月份为一月=1，十二月=12。
`day`	日期时间的日期。
`hour`	日期时间的小时数。
`minute`	日期时间的分钟。
`second`	日期时间的秒数。
`microsecond`	日期时间的微秒。
`nanosecond`	日期时间的纳秒。
`date`	返回 python 对象的 numpy 数组`datetime.date`。
`time`	返回 numpy 对象数组`datetime.time`。
`timetz`	返回`datetime.time`带有时区的对象的 numpy 数组。
`dayofyear`	一年中的第一个日子。
`day_of_year`	一年中的第一个日子。
`dayofweek`	一周中的哪一天，星期一=0，星期日=6。
`day_of_week`	一周中的哪一天，星期一=0，星期日=6。
`weekday`	一周中的哪一天，星期一=0，星期日=6。
`quarter`	日期的季度。
`tz`	返回时区。
`freqstr`	如果设置了频率对象，则将其作为字符串返回，否则返回 None。
`is_month_start`	指示日期是否为该月的第一天。
`is_month_end`	指示日期是否是该月的最后一天。
`is_quarter_start`	指示日期是否为季度的第一天。
`is_quarter_end`	指示日期是否为季度的最后一天的指示器。
`is_year_start`	指示日期是否为一年的第一天。
`is_year_end`	指示日期是否是一年中的最后一天。
`is_leap_year`	布尔指示符，该日期是否属于闰年。
`inferred_freq`	尝试返回表示由 infer_freq 生成的频率的字符串。

频率

方法

`normalize`(args, *kwargs)	将时间转换为午夜。
`strftime`（日期格式）	使用指定的日期格式转换为索引。
`snap`([频率])	将时间戳捕捉到最近的发生频率。
`tz_convert`（兹）	将 tz 感知的日期时间数组/索引从一个时区转换为另一个时区。
`tz_localize`(tz[，不明确，不存在])	将 tz-naive 日期时间数组/索引本地化为 tz-aware 日期时间数组/索引。
`round`(args, *kwargs)	对数据执行舍入操作到指定的频率。
`floor`(args, *kwargs)	对指定频率的数据进行向下取整操作。
`ceil`(args, *kwargs)	对数据执行 ceil 操作到指定的freq。
`to_period`(args, *kwargs)	以特定频率转换为PeriodArray/PeriodIndex。
`to_pydatetime`(args, *kwargs)	返回对象的 ndarray `datetime.datetime`。
`to_series`([索引、名称])	创建一个索引和值都等于索引键的系列。
`to_frame`([索引、名称])	创建一个 DataFrame，其中包含包含索引的列。
`month_name`(args, *kwargs)	返回具有指定区域设置的月份名称。
`day_name`(args, *kwargs)	返回具有指定区域设置的日期名称。
`mean`(*[,skipna,轴])	返回数组的平均值。
`std`(args, *kwargs)	返回请求轴上的样本标准差。