如何将上限应用于 pandas DateTime

Question

假设我有一个 pandas 数据框，其中一列的值为 datetime64[ns]。

Out[204]: 
0   2015-03-20 00:00:28
1   2015-03-20 00:01:44
2   2015-03-20 00:02:55
3   2015-03-20 00:03:39
4   2015-03-20 00:04:32
5   2015-03-20 00:05:52
6   2015-03-20 00:06:36
7   2015-03-20 00:07:44
8   2015-03-20 00:08:56
9   2015-03-20 00:09:47
Name: DateTime, dtype: datetime64[ns]

有什么简单的方法可以将它们转换为时间后最近的分钟吗？即我想要以下内容：

Out[204]: 
0   2015-03-20 00:01:00
1   2015-03-20 00:02:00
2   2015-03-20 00:03:00
3   2015-03-20 00:04:00
4   2015-03-20 00:05:00
5   2015-03-20 00:06:00
6   2015-03-20 00:07:00
7   2015-03-20 00:08:00
8   2015-03-20 00:09:00
9   2015-03-20 00:10:00
Name: DateTime, dtype: datetime64[ns]

我写了一段比较复杂的代码，首先将它们转换成字符串，然后提取00:09:47的三部分，将它们转换成整数，然后除非最后一部分（秒）已经是00，我将最后一部分（秒）设为 00，将 1 添加到中间部分（分钟），除非中间部分（分钟）已经是 59，在这种情况下它会添加到第一部分（小时）。然后将新的整数重新组合回一个字符串，然后重建回 DateTime。

但我在想，可能已经有一个更简单的解决方案了。有人有什么建议吗？

* 编辑 *

@Jeff、@unutbu，感谢您的回答。在 SO 中我只能 select 一个答案，但两者都有效。

Answer 1

给定一个包含 dtype datetime64[ns] 列的 DataFrame，您可以使用

df['date'] += np.array(-df['date'].dt.second % 60, dtype='<m8[s]')

添加适当的秒数获取上限。

例如，

import io
import sys
import numpy as np
import pandas as pd
StringIO = io.BytesIO if sys.version < '3' else io.StringIO

df = '''\
2015-03-20 00:00:00
2015-03-20 00:00:28
2015-03-20 00:01:44
2015-03-20 00:02:55
2015-03-20 00:03:39
2015-03-20 00:04:32
2015-03-20 00:05:52
2015-03-20 00:06:36
2015-03-20 00:07:44
2015-03-20 00:08:56
2015-03-20 00:09:47'''

df = pd.read_table(StringIO(df), sep='\s{2,}', 
                   header=None, parse_dates=[0], names=['date'])

df['date'] += np.array(-df['date'].dt.second % 60, dtype='<m8[s]')
print(df)

产量

                  date
0  2015-03-20 00:00:00
1  2015-03-20 00:01:00
2  2015-03-20 00:02:00
3  2015-03-20 00:03:00
4  2015-03-20 00:04:00
5  2015-03-20 00:05:00
6  2015-03-20 00:06:00
7  2015-03-20 00:07:00
8  2015-03-20 00:08:00
9  2015-03-20 00:09:00
10 2015-03-20 00:10:00

Answer 2

我认为它可能需要一些工作，但我认为这大致就是您所追求的（我确定有一种方法可以使用 .snap 或偏移量 .rollforward ，但似乎无法使它们正常工作）：

ps = pd.Series([
        datetime(2015, 1, 1, 19, 18, 34), # roll up min, reset sec
        datetime(2015, 1, 1, 1, 1, 1), # roll up min, reset sec
        datetime(2015, 1, 1, 0, 0, 0), # do nothing
        datetime(2015, 1, 1, 23, 59, 1), # roll day/hr/min, reset sec
        datetime(2015, 1, 31, 23, 59, 1), # roll mth/day/hr/min, reset sec
        datetime(2015, 12, 31, 23, 59, 1) # roll yr/month/day/hr/min - reset sec
    ])
ps[ps.dt.second != 0] = ps.apply(lambda L: (L + timedelta(minutes=1)).replace(second=0))

这给你：

0   2015-01-01 19:19:00
1   2015-01-01 01:02:00
2   2015-01-01 00:00:00
3   2015-01-02 00:00:00
4   2015-02-01 00:00:00
5   2016-01-01 00:00:00

Answer 3

这是另一种方式。减去差秒（有点像圆形）。这是矢量化的。

In [46]: df.date+pd.to_timedelta(-df.date.dt.second % 60,unit='s')
Out[46]: 
0   2015-03-20 00:01:00
1   2015-03-20 00:02:00
2   2015-03-20 00:03:00
3   2015-03-20 00:04:00
4   2015-03-20 00:05:00
5   2015-03-20 00:06:00
6   2015-03-20 00:07:00
7   2015-03-20 00:08:00
8   2015-03-20 00:09:00
9   2015-03-20 00:10:00
dtype: datetime64[ns

这是另一种方式。将某物更改为另一个频率的周期使其四舍五入。（请注意，这是一个有点笨拙的 ATM，因为周期作为一种列类型并不成熟）。这是矢量化的。

In [48]: pd.Series(pd.PeriodIndex(df.date.dt.to_period('T')+1).to_timestamp())
Out[48]: 
0   2015-03-20 00:01:00
1   2015-03-20 00:02:00
2   2015-03-20 00:03:00
3   2015-03-20 00:04:00
4   2015-03-20 00:05:00
5   2015-03-20 00:06:00
6   2015-03-20 00:07:00
7   2015-03-20 00:08:00
8   2015-03-20 00:09:00
9   2015-03-20 00:10:00
dtype: datetime64[ns]

最后一种方法将始终舍入 'up'，因为我们正在增加下限周期。

Answer 4

现在 pandas 中的内置方法 ceil() 可用于此目的。对于一系列日期时间，可以使用 Series.dt.ceil():

访问它

In[92]: t
Out[92]: 
0   2015-03-20 00:00:28
1   2015-03-20 00:01:44
2   2015-03-20 00:02:55
3   2015-03-20 00:03:39
4   2015-03-20 00:04:32
5   2015-03-20 00:05:52
6   2015-03-20 00:06:36
7   2015-03-20 00:07:44
8   2015-03-20 00:08:56
9   2015-03-20 00:09:47
dtype: datetime64[ns]

In[93]: t.dt.ceil('min')
Out[93]: 
0   2015-03-20 00:01:00
1   2015-03-20 00:02:00
2   2015-03-20 00:03:00
3   2015-03-20 00:04:00
4   2015-03-20 00:05:00
5   2015-03-20 00:06:00
6   2015-03-20 00:07:00
7   2015-03-20 00:08:00
8   2015-03-20 00:09:00
9   2015-03-20 00:10:00
dtype: datetime64[ns]

ceil() 接受频率参数。列出了它的字符串别名 here.

如何将上限应用于 pandas DateTime

how to apply ceiling to pandas DateTime

python

python-3.x

python-datetime

pandas