将熊猫时间戳四舍五入为分钟

Question

我想根据开始和结束时间戳（以自纪元以来的微秒为单位）以 1 分钟的间隔创建一个DateTimeIndex，并带有 pd_date_range() . 为此，我需要向上舍入起始时间戳，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')

我想四舍五入：

start_ts Timestamp('2014-07-28 00:32')和

end_ts Timestamp('2014-07-28 08:14') .

我该怎么做？

Answer 1

从 0.18 版本开始，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，也可以使用 .ceil 或 .floor。

---

编辑：上面的代码适用于原始pd.Timestamp，正如OP所要求的那样。如果您正在使用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]

Answer 2

以简单的方法执行此操作目前是一个悬而未决的问题

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，它非常简单。

欢迎拉取请求来实现。

Answer 3

我也有类似的问题，想四舍五入到这一天。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 是一个带有列"datecol"的熊猫数据帧：

df['datecol'] = df['datecol'].values.astype('<M8[m]')

将把它四舍五入到m[inute]。鉴于我最初发现了这个问题，我想我会链接回我得到的答案，因为它似乎相关，

使用熊猫将时间戳舍入到日期的更有效方法

Answer 4

如@user3735204所述，可以将列四舍五入为：

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）来舍入到最近的（参考）：

df.index = pd.to_datetime(df['datecol'])
df.index = df.index.round("S")

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)

Answer 5

data.index.round（'60S'）

只需 60 秒。

Answer 6

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')