python - 使用 Pandas 舍入 DateTime

标签 python pandas numpy

我想舍入 DateTime 特征,使其转换为每 10 分钟时间间隔的起始值。下面的示例显示了所需的结果:

     Actual Time              |        Round Time(within 10 min interval)


  2016-01-01 05:47:46                      2016-01-01 05:40:00
  2016-01-01 05:49:58                      2016-01-01 05:40:00
  2016-01-01 05:50:01                      2016-01-01 05:50:00
  2016-01-01 05:59:58                      2016-01-01 05:50:00  

下面的代码,将它四舍五入到最接近的 10 分钟间隔,而不是总是给出下限值。

df['DateTime'].agg(lambda x : x.round('10min'))

它将日期时间特征四舍五入到最接近的值。

   Actual Time              |        Round Time(within 10 min interval)

  2016-01-01 05:47:46                      2016-01-01 05:50:00
  2016-01-01 05:49:58                      2016-01-01 05:50:00
  2016-01-01 05:50:01                      2016-01-01 05:50:00
  2016-01-01 05:59:58                      2016-01-01 06:00:00  

以接近底价的方式循环时间。

最佳答案

使用Series.dt.floor :

df['Round Time'] = df['DateTime'].dt.floor('10min')

关于python - 使用 Pandas 舍入 DateTime,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/53725285/

相关文章:

python - 从条件开始计算行数

python - Django - 在 ModelForm 中添加密码验证

python - 在 Pandas 中对行和列 MultiIndex 使用 bool 索引

python - 从 numpy 数组 python 中提取索引

python - 矢量化:掩码的每一行都包含要掩码的数组相应行的列索引

python - 创建 word2vec 模型 syn1neg.npy 扩展

python - 将 NLTK 停用词与 scikit-learn 的 TfidfVectorizer 一起使用时出现 Unicode 警告

python - Pandas :如何计算过去几天但仅在给定时间的变量的滚动总和?

python - 如何使用 numpy 广播按条件组合多索引列值

python - scikits 学习 SVM - 一维分离超平面