Python Pandas Series.dt.to_pydatetime

Python Pandas Series.dt.to_pydatetime

Series.dt可以用来访问系列的数据值,并返回几个属性。Pandas Series.dt.to_pydatetime()函数将数据作为本地Python日期时间对象的数组返回。如果存在时区信息,则保留。

语法: Series.dt.to_pydatetime()

参数:

返回: numpy.ndarray

示例#1:使用Series.dt.to_pydatetime()函数,将给定的系列对象作为本地python日期时间对象的一个数组返回。

# 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 :

Python Pandas Series.dt.to_pydatetime

现在我们将使用Series.dt.to_pydatetime()函数将数据作为本地Python日期时间对象的数组返回。

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

输出 :

Python Pandas Series.dt.to_pydatetime

正如我们在输出中看到的,Series.dt.to_pydatetime()函数已经成功地将给定的系列对象的底层数据返回为一个本地python日期时间数据的数组。

示例#2 : 使用Series.dt.to_pydatetime()函数,将给定的系列对象返回为一个数组的本地python日期时间对象。

# 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 :

Python Pandas Series.dt.to_pydatetime

现在我们将使用Series.dt.to_pydatetime()函数将数据作为本地Python日期时间对象的数组返回。

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

输出 :

Python Pandas Series.dt.to_pydatetime

正如我们在输出中看到的,Series.dt.to_pydatetime()函数已经成功地将给定的系列对象的底层数据返回为一个本地python日期时间数据的数组。

Python教程

Java教程

Web教程

数据库教程

图形图像教程

大数据教程

开发工具教程

计算机教程