我已经将一个数据文件加载到Python pandas dataframe中。其中有一个时间列的格式为2015-07-18 13:53:33.280
。
我需要做的是创建一个新列,将其舍入到最近的15分钟。因此,上面的日期将被舍入为2015-07-18 13:45:00.000
。
在pandas中如何实现这个功能?我尝试使用从这里得到的解决方案,但出现了'Series' object has no attribute 'year'
错误。
我已经将一个数据文件加载到Python pandas dataframe中。其中有一个时间列的格式为2015-07-18 13:53:33.280
。
我需要做的是创建一个新列,将其舍入到最近的15分钟。因此,上面的日期将被舍入为2015-07-18 13:45:00.000
。
在pandas中如何实现这个功能?我尝试使用从这里得到的解决方案,但出现了'Series' object has no attribute 'year'
错误。
round(freq)
。还有一个快捷方式 column.dt
用于访问日期时间函数(如 @laurens-koppenol 所建议)。df['old column'].dt.round('15min')
你可以在这里找到用于有效频率的字符串别名。下面是完整的工作示例:
In [1]: import pandas as pd
In [2]: df = pd.DataFrame([pd.Timestamp('2015-07-18 13:53:33.280'),
pd.Timestamp('2015-07-18 13:33:33.330')],
columns=['old column'])
In [3]: df['new column']=df['old column'].dt.round('15min')
In [4]: df
Out[4]:
old column new column
0 2015-07-18 13:53:33.280 2015-07-18 14:00:00
1 2015-07-18 13:33:33.330 2015-07-18 13:30:00
假设您的系列是由datetime
对象组成的,您需要使用Series.apply
。示例 -
import datetime
df['<column>'] = df['<column>'].apply(lambda dt: datetime.datetime(dt.year, dt.month, dt.day, dt.hour,15*(dt.minute // 15)))
上述示例始终向前舍入到最接近的15分钟(类似于floor函数的行为)。
编辑
要四舍五入到正确的15分钟(例如,如果距离上一个15分钟过去了7分30秒,则显示下一个15分钟),可以使用以下示例-
import datetime
df['<column>'] = df['<column>'].apply(lambda dt: datetime.datetime(dt.year, dt.month, dt.day, dt.hour,15*round((float(dt.minute) + float(dt.second)/60) / 15)))
如果你想考虑到毫秒/微秒,可以将其添加到上述方程式中 - (float(dt.minute) + float(dt.second)/60 + float(dt.microsecond)/60000000)
floor
函数。 - Anand S Kumardatetime(y,m,d,7,60)
,但会失败,因为60是“分钟”中的无效值。@tworec提供了更好的答案,应该被接受。 - Roobie Nubycolumn.dt.
允许对日期时间列使用日期时间函数,就像 column.str.
对于类字符串列一样
import pandas as pd
# test df
df = pd.DataFrame([{'old_column':pd.Timestamp('2015-07-18 13:53:33.280')}])
df['new_column'] = df['old_column'].dt.round('15min')
df
import datetime
def round_time(time, round_to):
"""roundTo is the number of minutes to round to"""
rounded = time + datetime.timedelta(minutes=round_to/2.)
rounded -= datetime.timedelta(minutes=rounded.minute % round_to,
seconds=rounded.second,
microseconds=rounded.microsecond)
return rounded
dt['dtcolumn'] = df['dtcolumn'].apply(lambda x: round_time(x))
.dt.to_freq('15min')
也可以解决问题。请注意,这将更改数据类型,这可能是期望的结果。
floor
和ceil
分别进行操作。详见代码。 - Dror