熊猫DatetimeIndex.round的行为不一致？

Question

我在pandas.DatetimeIndex的回合方法中遇到了一种奇怪的，非常意外的行为：

import pandas as pd
import datetime as dt
t1 = pd.DatetimeIndex([dt.datetime(2013,12,5,1,30,0),
                       dt.datetime(2013,12,5,2,30,0),
                       dt.datetime(2013,12,5,3,30,0),
                       dt.datetime(2013,12,5,4,30,0)])  
print(t1)

给予：

DatetimeIndex(['2013-12-05 01:30:00', '2013-12-05 02:30:00',
               '2013-12-05 03:30:00', '2013-12-05 04:30:00'],
              dtype='datetime64[ns]', freq=None)

到目前为止，很好。现在我想四舍五入到最近的整整一个小时。我不在乎是选择下一个小时还是前一个小时。但是我需要一致的行为。

t2 = t1.round('H')
print(t2)

令人惊讶的是：

DatetimeIndex(['2013-12-05 02:00:00', '2013-12-05 02:00:00',
               '2013-12-05 04:00:00', '2013-12-05 04:00:00'],
              dtype='datetime64[ns]', freq=None)

[条目1和3被四舍五入，而条目2和4被四舍五入。这是应有的行为吗？我想引擎盖下正在发生一些数字化的事情。但这确实令人不安。在我的情况下，时间分辨率限制为分钟。因此，我可以每次加（或减）1s并获得所需的结果。但这不是正确的方法。

Answer 1

许多人学习“四舍五入”规则，例如将1.5舍入为2，将2.5舍入为3，依此类推。这是

not如何以numpy处理舍入。在numpy.around中，强调我自己。

对于恰好介于四舍五入十进制值之间的值，NumPy 四舍五入

至最接近的偶数值

。因此1.5和2.5四舍五入为2.0，-0.5 和0.5舍入到0.0，等等。考虑您的时间以小时为单位，这将是预期的行为：

numpy.around

（[np.around([1.5, 2.5, 3.5, 4.5])
#array([2., 2., 4., 4.])
定义相同的行为，使用pandas进行四舍五入）
那么，如何用频率将日期时间四舍五入？
深入为RoundTo.NEAREST_HALF_EVEN方法，而我们想要的舍入为RoundTo.NEAREST_HALF_EVEN。我们需要处理RoundTo的复杂性，但是熊猫已经可以处理了。还导入RoundTo方法。
RoundTo.NEAREST_HALF_PLUS_INFTY