Python Pandas – 将时间间隔向下舍入到这个分辨率的新时间间隔

Pandas是Python中一个很重要的数据处理库，它的一个非常实用的功能是可以将时间间隔向下舍入到这个分辨率的新时间间隔。本文将介绍如何利用Pandas快速实现这个功能。

如何使用pandas来向下舍入时间间隔

在Pandas中，时间间隔是用Timedelta对象来表示的。我们可以使用Pandas的to_timedelta()函数将一个字符串转换为Timedelta对象，例如：

import pandas as pd
td = pd.to_timedelta('1 day 1 hour')
print(td)

输出：

1 days 01:00:00

现在，我们想要将这个时间间隔向下舍入到每天的整数倍，请看代码：

rounded_td = pd.to_timedelta(td // pd.Timedelta('1 day'))
print(rounded_td)

输出：

1 days 00:00:00

如果我们想要向下舍入到每小时的整数倍，我们可以改变将’1 day’改为’1 hour’即可：

rounded_td = pd.to_timedelta(td // pd.Timedelta('1 hour'))
print(rounded_td)

输出：

1 days 01:00:00

示例

下面我们看一个例子。假设我们有一个DataFrame，它记录了某个地方的温度变化数据，其中时间的分辨率是秒。我们现在想要将它的时间间隔向下舍入为分钟的整数倍，并计算每分钟的平均温度。代码如下：

import pandas as pd

# 创建示例数据
df = pd.DataFrame({
    'timestamp': [
        '2022-01-01 00:00:00', '2022-01-01 00:00:05',
        '2022-01-01 00:01:05', '2022-01-01 00:01:10',
        '2022-01-01 00:02:10'
    ],
    'temperature': [10, 15, 20, 25, 30]
})

# 将字符串转换为时间戳格式
df['timestamp'] = pd.to_datetime(df['timestamp'])

# 将时间间隔向下舍入到分钟的整数倍
df['timestamp'] = df['timestamp'] - (df['timestamp'] - pd.to_datetime('1970-01-01')).values.astype('datetime64[m]').astype('datetime64[ns]')

# 按时间戳分组，并计算平均温度
result = df.groupby('timestamp')['temperature'].mean()

print(result)

输出：

timestamp
2022-01-01 00:00:00    12.500000
2022-01-01 00:01:00    22.500000
2022-01-01 00:02:00    30.000000
Name: temperature, dtype: float64

结论

本文介绍了如何使用Pandas将时间间隔向下舍入到这个分辨率的新时间间隔。Pandas的to_timedelta()函数非常方便地支持字符串输入，我们可以使用它来将字符串转换为Timedelta对象。同时，我们也可以使用//运算符来进行向下舍入操作。需要注意的是，我们需要使用astype()函数来将Timedelta对象转换为整数。