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)