pandas.Series.dt.round#

Series.dt.round(*args, **kwargs)[源代码]#

对数据执行四舍五入操作到指定的 freq。

参数:
freqstr 或 Offset

要舍入索引的频率级别。必须是固定频率，如 ‘s’（秒），而不是 ‘ME’（月末）。请参阅 频率别名 以获取可能的 freq 值列表。

模棱两可‘infer’, bool-ndarray, ‘NaT’, 默认 ‘raise’

仅与 DatetimeIndex 相关：

  • ‘infer’ 将尝试根据顺序推断出dst转换小时

  • bool-ndarray，其中 True 表示夏令时，False 表示非夏令时（请注意，此标志仅适用于不明确的时间）

  • ‘NaT’ 将在存在模糊时间的地方返回 NaT

  • ‘raise’ 如果存在歧义的时间，将引发 ValueError。

nonexistent‘shift_forward’, ‘shift_backward’, ‘NaT’, timedelta, 默认 ‘raise’

在一个特定时区中，由于夏令时（DST）导致时钟向前移动，不存在的时间在该时区中是不存在的。

  • ‘shift_forward’ 会将不存在的时间向前移动到最接近的现有时间

  • ‘shift_backward’ 会将不存在的时间向后移动到最近的存在时间

  • ‘NaT’ 将在不存在的时间返回 NaT

  • timedelta 对象会将不存在的时间按 timedelta 进行调整

  • ‘raise’ 如果存在不存在的时间，将引发 ValueError。

返回:
DatetimeIndex、TimedeltaIndex 或 Series

对于 DatetimeIndex 或 TimedeltaIndex 的相同类型的索引，或对于 Series 具有相同索引的 Series。

引发:
如果 freq 无法转换，则引发 ValueError。

参见

DatetimeIndex.floor

对数据执行向下取整操作到指定的 freq。

DatetimeIndex.snap

将时间戳对齐到最近的频率。

备注

如果时间戳带有时区，舍入将相对于本地（“墙”）时间进行，并重新本地化到相同时区。在接近夏令时舍入时，使用 nonexistent 和 ambiguous 来控制重新本地化的行为。

示例

DatetimeIndex

>>> rng = pd.date_range('1/1/2018 11:59:00', periods=3, freq='min')
>>> rng
DatetimeIndex(['2018-01-01 11:59:00', '2018-01-01 12:00:00',
               '2018-01-01 12:01:00'],
              dtype='datetime64[ns]', freq='min')
>>> rng.round('h')
DatetimeIndex(['2018-01-01 12:00:00', '2018-01-01 12:00:00',
               '2018-01-01 12:00:00'],
              dtype='datetime64[ns]', freq=None)

系列

>>> pd.Series(rng).dt.round("h")
0   2018-01-01 12:00:00
1   2018-01-01 12:00:00
2   2018-01-01 12:00:00
dtype: datetime64[ns]

在接近夏令时转换时进行舍入时，使用 ambiguous 或 nonexistent 来控制时间戳应如何重新本地化。

>>> rng_tz = pd.DatetimeIndex(["2021-10-31 03:30:00"], tz="Europe/Amsterdam")

>>> rng_tz.floor("2h", ambiguous=False)
DatetimeIndex(['2021-10-31 02:00:00+01:00'],
              dtype='datetime64[s, Europe/Amsterdam]', freq=None)

>>> rng_tz.floor("2h", ambiguous=True)
DatetimeIndex(['2021-10-31 02:00:00+02:00'],
              dtype='datetime64[s, Europe/Amsterdam]', freq=None)