pandas.Timestamp.floor#

Timestamp.floor(freq, ambiguous='raise', nonexistent='raise')#

返回一个新的 Timestamp，向下取整到此分辨率。

参数:
freqstr

频率字符串，表示地板分辨率。

模棱两可布尔值或 {‘raise’, ‘NaT’}，默认为 ‘raise’

行为如下：

  • bool 包含标志以确定时间是否为夏令时（请注意，此标志仅适用于模糊的秋季夏令时日期）。

  • ‘NaT’ 将返回一个不明确时间的 NaT。

  • ‘raise’ 将引发一个模糊时间的 ValueError。

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

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

  • ‘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现有时间。

  • ‘NaT’ 将在不存在的时间处返回 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。

引发:
如果频率无法转换，则引发 ValueError。

参见

Timestamp.ceil

将时间戳四舍五入到指定的分辨率。

Timestamp.round

将时间戳四舍五入到指定的分辨率。

Series.dt.floor

将 Series 中的日期时间值向下取整。

备注

如果时间戳具有时区，则将根据本地（“墙”）时间进行向下取整，并重新定位到相同的时区。在接近夏令时进行向下取整时，使用 nonexistent 和 ambiguous 来控制重新定位行为。

例子

创建一个时间戳对象：

>>> ts = pd.Timestamp('2020-03-14T15:32:52.192548651')

时间戳可以使用多种频率单位进行取整：

>>> ts.floor(freq='h')  # hour
Timestamp('2020-03-14 15:00:00')

>>> ts.floor(freq='min')  # minute
Timestamp('2020-03-14 15:32:00')

>>> ts.floor(freq='s')  # seconds
Timestamp('2020-03-14 15:32:52')

>>> ts.floor(freq='ns')  # nanoseconds
Timestamp('2020-03-14 15:32:52.192548651')

freq 也可以是单个单位的多倍，例如 ‘5min’（即 5 分钟）：

>>> ts.floor(freq='5min')
Timestamp('2020-03-14 15:30:00')

或者是多个单位的组合，比如 ‘1h30min’（即 1 小时和 30 分钟）：

>>> ts.floor(freq='1h30min')
Timestamp('2020-03-14 15:00:00')

类似于 pd.NaT：

>>> pd.NaT.floor()
NaT

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。

>>> ts_tz = pd.Timestamp("2021-10-31 03:30:00").tz_localize("Europe/Amsterdam")

>>> ts_tz.floor("2h", ambiguous=False)
Timestamp('2021-10-31 02:00:00+0100', tz='Europe/Amsterdam')

>>> ts_tz.floor("2h", ambiguous=True)
Timestamp('2021-10-31 02:00:00+0200', tz='Europe/Amsterdam')