怎么回事 Pandas `DatetimeIndex`?

更新：如果您使用列进行 DatetimeIndex / datetime64, 最好使用

np.round

直接而不是通过 apply/map:

np.round/dtindex_or_datetime_col.astype/np.int64/, -9/.astype/'datetime64[ns]'/

旧答案 /与另一个解释/:

虽然答案 @Matti's 显然是应对你的情况的正确方法，我以为我会尽可能地添加答案 Timestamp 到最近的第二个：

from pandas.lib import Timestamp



t1 = Timestamp/'2012-1-1 00:00:00'/

t2 = Timestamp/'2012-1-1 00:00:00.000333'/



In [4]: t1

Out[4]: <timestamp: 00:00:00="" 2012-01-01="">



In [5]: t2

Out[5]: <timestamp: 00:00:00.000333="" 2012-01-01="">



In [6]: t2.microsecond

Out[6]: 333



In [7]: t1.value

Out[7]: 1325376000000000000L



In [8]: t2.value

Out[8]: 1325376000000333000L



# Alternatively: t2.value - t2.value % 1000000000

In [9]: long/round/t2.value, -9// # round milli-, micro- and nano-seconds

Out[9]: 1325376000000000000L



In [10]: Timestamp/long/round/t2.value, -9///

Out[10]: <timestamp: 00:00:00="" 2012-01-01="">

因此，您可以将其应用于整个索引：

def to_the_second/ts/:

 return Timestamp/long/round/ts.value, -9///



dtindex.map/to_the_second/

</timestamp:></timestamp:></timestamp:>

方法

round//

被添加为 DatetimeIndex, Timestamp, TimedeltaIndex 和 Timedelta 在 pandas 0.18.0. 现在我们可以执行以下操作：

In[114]: index = pd.DatetimeIndex/[pd.Timestamp/'2012-01-01 02:03:04.000'/, pd.Timestamp/'2012-01-01 02:03:04.002'/, pd.Timestamp/'20130712 02:03:04.500'/, pd.Timestamp/'2012-01-01 02:03:04.501'/]/



In[115]: index.values

Out[115]: 

array/['2012-01-01T02:03:04.000000000', '2012-01-01T02:03:04.002000000',

 '2013-07-12T02:03:04.500000000', '2012-01-01T02:03:04.501000000'], dtype='datetime64[ns]'/



In[116]: index.round/'S'/

Out[116]: 

DatetimeIndex/['2012-01-01 02:03:04', '2012-01-01 02:03:04',

 '2013-07-12 02:03:04', '2012-01-01 02:03:05'],

 dtype='datetime64[ns]', freq=None/

round//

采用频率参数。 字符串伪名为他列出
http://pandas.pydata.org/panda ... iases
.

改变索引本身没有特别的意义 - 因为你可以简单地生成它

date_range

具有所需的频率参数，如您的问题所示。

我假设您正在尝试更改包含数据的时间序列的频率，在这种情况下可以使用

resample

/
http://pandas.pydata.org/panda ... pling
/., 例如，如果您有以下时间序列：

dt_index = pd.date_range/'2012-1-1 00:00.001',periods=3, freq='1ms'/

ts = pd.Series/randn/3/, index=dt_index/





2012-01-01 00:00:00 0.594618

2012-01-01 00:00:00.001000 0.874552

2012-01-01 00:00:00.002000 -0.700076

Freq: L

然后，您可以将频率更改为第二个使用 resample, 指定您希望如何聚合值 /平均值，总和等/:

ts.resample/'S', how='sum'/



2012-01-01 00:00:00 0.594618

2012-01-01 00:00:01 0.174475

Freq: S

对于更普遍的舍入，您可以使用对象的事实 Pandas

Timestamp

主要使用标准库

datetime.datetime

API, 包括方法

datetime.datetime.replace//

.

所以，为了解决你的圆形微秒的问题，你可以做到：

import datetime

import pandas as pd



times = pd.date_range/'2012-1-1 02:03:04.499',periods=3,freq='1ms'/

# Add 5e5 microseconds and truncate to simulate rounding

times_rounded = [/x + datetime.timedelta/microseconds=5e5//.replace/microsecond=0/ for x in times]



from IPython.display import display

print/'Before:'/

display/list/times//

print/'After:'/

display/list/times_rounded//

输出：

Before:

[Timestamp/'2012-01-01 02:03:04.499000', offset='L'/,

 Timestamp/'2012-01-01 02:03:04.500000', offset='L'/,

 Timestamp/'2012-01-01 02:03:04.501000', offset='L'/]

After:

[Timestamp/'2012-01-01 02:03:04', offset='L'/,

 Timestamp/'2012-01-01 02:03:05', offset='L'/,

 Timestamp/'2012-01-01 02:03:05', offset='L'/]

您可以使用相同的技术，例如，舍入到不久的将来。 /如果你不打扰闰秒等/:

times = pd.date_range/'2012-1-1 08:00:00', periods=3, freq='4H'/

times_rounded = [/x + datetime.timedelta/hours=12//.replace/hour=0, second=0, microsecond=0/ for x in times]

受到这篇文章的启发。 SO: