我想根据开始和结束时间戳(自纪元以来以微秒为单位给出)和
DateTimeIndex
以 1 分钟为间隔创建一个 pd_date_range()
。为此,我需要向上舍入开始时间戳并向下舍入结束时间戳。这是我到目前为止所拥有的:
import pandas as pd
start = 1406507532491431
end = 1406535228420914
start_ts = pd.to_datetime(start, unit='us') # Timestamp('2014-07-28 00:32:12.491431')
end_ts = pd.to_datetime(end, unit='us') # Timestamp('2014-07-28 08:13:48.420914')
我要四舍五入:
start_ts
至 Timestamp('2014-07-28 00:32')
和
end_ts
到Timestamp('2014-07-28 08:14')
。
我该怎么做?
从版本 0.18 开始,Pandas 内置了类似日期时间的舍入功能:
start_ts.round('min') # Timestamp('2014-07-28 00:32:00')
end_ts.round('min') # Timestamp('2014-07-28 08:14:00')
如果需要强制向上或向下舍入,您还可以使用
.ceil
或 .floor
。
编辑: 正如OP所要求的,上面的代码适用于原始
pd.Timestamp
。如果您使用 pd.Series
,请使用 dt
访问器:
s = pd.Series(pd.to_datetime([1406507532491431000, 1406535228420914000]))
s.dt.round('min')
输出:
0 2014-07-28 00:32:00
1 2014-07-28 08:14:00
dtype: datetime64[ns]
以简单的方法做到这一点目前是一个悬而未决的问题这里
In [22]: start = 1406507532491431
In [23]: end = 1406535228420914
[26]: dti = pd.to_datetime([start,end],unit='us')
In [27]: dti
Out[27]:
<class 'pandas.tseries.index.DatetimeIndex'>
[2014-07-28 00:32:12.491431, 2014-07-28 08:13:48.420914]
Length: 2, Freq: None, Timezone: None
In [29]: pd.DatetimeIndex(((dti.asi8/(1e9*60)).round()*1e9*60).astype(np.int64))
Out[29]:
<class 'pandas.tseries.index.DatetimeIndex'>
[2014-07-28 00:32:00, 2014-07-28 08:14:00]
Length: 2, Freq: None, Timezone: None
尽管如此,它还是很简单。
欢迎请求实施。
我也有类似的问题,想结束这一天。事实证明有一个简单的方法(它适用于 Y[ear] M[month] D[ay], h[our], m[inute], s[econd])。假设 df 是一个带有“datecol”列的 pandas DataFrame:
df['datecol'] = df['datecol'].values.astype('<M8[m]')
将其四舍五入到 m[inute]。鉴于我最初发现这个问题,我想我会链接回我得到的答案,因为它似乎相关,
正如@user3735204所述,可以使用以下方法对列进行四舍五入:
df['datecol'] = df['datecol'].astype('datetime64[m]')
方括号中的单位可以是:
Y[ear] M[month] D[ay], h[our], m[inute], s[econd]
也可以通过将列作为索引并应用 round 方法(在 pandas 0.19.0 中可用)来舍入到最接近的值(reference):
df.index = pd.to_datetime(df['datecol'])
df.index = df.index.round("S")
示例:
df = pd.DataFrame(data = tmpdata)
df['datecol'] = df['datecol'].astype('datetime64[s]')
print df['datecol']
0 2016-10-05 05:37:42
1 2016-10-05 05:37:43
Name: datecol, dtype: datetime64[ns]
df.index = pd.to_datetime(df['datecol'])
df.index = df.index.round("S")
print df.index
DatetimeIndex(['2016-10-05 05:37:43', '2016-10-05 05:37:43'], dtype='datetime64[ns]', name=u'timestamp', freq=None)
data.index.round('60S')
只需 60 秒左右。
import pandas as pd
new_index = pd.date_range(start=start_ts.strftime('%Y-%m-%d %H:%M'), end=end_ts.strftime('%Y-%m-%d %H:%M'), freq='1min')