重置Pandas时间戳的时间部分

Question

我该如何重置pandas时间戳的时间部分？

我想要重置pandas.Timestamp值中的时间部分。
我猜可以通过以下步骤实现。

• 第一步）将Timestamp转换为datetime类型
• 第二步）将datetime转换为秒数
• 第三步）截取秒数中的时间部分
• 第四步）将秒数转换回Timestamp

即使我的猜测是正确的，这也太费时间了。 有没有更简单的方法来达到这个目标呢？

In [371]: ts = pd.Timestamp('2014/11/12 13:35')

In [372]: ts

Out[372]: Timestamp('2014-11-12 13:35:00')

In [373]: ts.hour = 0 # <-- 这就是我想做的。

- Hill

---

如果你正在处理一个“DatetimeIndex”，你可以使用normalize方法。然而，这个方法在单独的时间戳上不可用（解决方法是：pd.DatetimeIndex([ts]).normalize()[0]）。 - joris

你想重置“整个”时间部分（仅保留日期），还是只想重置小时？ - joris

Answer 1

我认为你正在寻找replace方法（请参见文档）：

In [18]: ts
Out[18]: Timestamp('2014-11-12 13:35:00')

In [19]: ts.replace(hour=0)
Out[19]: Timestamp('2014-11-12 00:35:00')

这是从datetime.datetime继承的一个方法。

如果你想要重置完整的时间部分，你可以在replace中指定所有部分：

In [20]: ts.replace(hour=0, minute=0, second=0)
Out[20]: Timestamp('2014-11-12 00:00:00')

还有一个 DatetimeIndex.normalize 方法，但是这个方法不能用于单个的时间戳（我已经为此开了一个 issue：https://github.com/pydata/pandas/issues/8794）：

In [21]: pd.DatetimeIndex([ts]).normalize()[0]
Out[21]: Timestamp('2014-11-12 00:00:00')

- joris

---

这里最有价值的是，pandas时间戳继承自datetime！如果我早知道这一点，我就不会那么害怕了。:)谢谢！ - KateYoak

replace方法似乎不能在列上使用，是吗？AttributeError: 'DatetimeProperties' object has no attribute 'replace' - Dr_Zaszuś

实际上，这不适用于列/索引。在这种情况下，如果您想使用“replace”，则需要使用类似于df["col"].apply(lambda ts: ts.replace(..))的东西（但请注意，“normalize”可用于列）。 - joris

Answer 2

请注意，replace方法不会改变时间戳，因此如果您想保留修改后的时间戳，您需要进行赋值操作：

In [2]: ts = pd.Timestamp('2014/11/12 13:35')
In [3]: ts.replace(hour=0)
Out[3]: Timestamp('2014-11-12 00:35:00')
In [4]: ts
Out[4]: Timestamp('2014-11-12 13:35:00')

注意：上面的代码没有修改ts。

In [5]: ts = ts.replace(hour=0)
In [6]: ts
Out[6]: Timestamp('2014-11-12 00:35:00')

- Nadav Aharoni

Answer 3

不要使用 datetime.datetime，而是使用 datetime.date，它将自动为您截断小时/分钟/秒。

请参阅 https://docs.python.org/library/datetime.html#date-objects

- twasbrillig

Answer 4

还有Timestamp.floor这个函数：

>>> ts = pd.Timestamp('2014/11/12 13:35')
>>> ts.floor('D')
Timestamp('2014-11-12 00:00:00')
>>> ts.round('D')
Timestamp('2014-11-13 00:00:00')

但是，在我的机器上，Timestamp.normalize比floor快近30倍，而Timestamp.replace甚至比normalize还要快。

>>> %timeit ts.replace(hour=0, minute=0, second=0)
1.23 µs ± 17.2 ns per loop (mean ± std. dev. of 7 runs, 1,000,000 loops each)
>>> %timeit ts.normalize()
2.18 µs ± 137 ns per loop (mean ± std. dev. of 7 runs, 100,000 loops each)
>>> %timeit ts.floor('D')
62.7 µs ± 631 ns per loop (mean ± std. dev. of 7 runs, 10,000 loops each)

- AXO

Answer 5

pd.Timestamp('2014-11-12 13:35') - pd.offsets.Micro(0, normalize=True) == Timestamp('2014-11-12 00:00:00')

- Andy Jones

Answer 6

我建议使用：

pd.Timestamp('2014-11-12 13:35')-pd.Timedelta(f"{pd.Timestamp('2014-11-12 13:35').hour} hours")

- George Parr