Tronquer la précision de la colonne "TimeStamp" en fonction de l'heure dans la "DataFrame" de pandas
j'ai un pandas.DataFramedf qui a un index généré automatiquement, avec une colonne dt:
df['dt'].dtype, df['dt'][0]
# (dtype('<M8[ns]'), Timestamp('2014-10-01 10:02:45'))
ce que j'aimerais faire, c'est créer une nouvelle colonne tronquée à la précision horaire. Je suis actuellement en utilisant:
df['dt2'] = df['dt'].apply(lambda L: datetime(L.year, L.month, L.day, L.hour))
Cela fonctionne, c'est très bien. Cependant, j'ai un pressentiment qu'il y a un moyen sympa d'utiliser pandas.tseries.offsets ou la création d'un DatetimeIndex ou similaire.
alors, si possible, y en a-t-il pandas magique de faire ça?
2 réponses
Dans les pandas 0.18.0 et plus tard, il y a datetime floor,ceil et round méthodes pour arrondir les horodatages pour une précision fixe/fréquence. Pour arrondir à l'heure de précision, vous pouvez utiliser:
>>> df['dt2'] = df['dt'].dt.floor('h')
>>> df
dt dt2
0 2014-10-01 10:02:45 2014-10-01 10:00:00
1 2014-10-01 13:08:17 2014-10-01 13:00:00
2 2014-10-01 17:39:24 2014-10-01 17:00:00
Voici une autre alternative pour tronquer les horodateurs. Contrairement à floor, il prend en charge la troncation d'une précision telle que l'année ou le mois.
vous pouvez temporairement ajuster la précision Unité du NumPy sous-jacent--7--> type de données, changement de [ns][h]:
df['dt'].values.astype('<M8[h]')
cela tronque tout à la précision d'heure. Par exemple:
>>> df
dt
0 2014-10-01 10:02:45
1 2014-10-01 13:08:17
2 2014-10-01 17:39:24
>>> df['dt2'] = df['dt'].values.astype('<M8[h]')
>>> df
dt dt2
0 2014-10-01 10:02:45 2014-10-01 10:00:00
1 2014-10-01 13:08:17 2014-10-01 13:00:00
2 2014-10-01 17:39:24 2014-10-01 17:00:00
>>> df.dtypes
dt datetime64[ns]
dt2 datetime64[ns]
la même méthode devrait fonctionner pour toute autre unité: mois 'M', minutes 'm', et ainsi de suite:
- Conserver jusqu'à l'année:
'<M8[Y]' - Conserver jusqu'à mois:
'<M8[M]' - Tenir à jour:
'<M8[D]' - Conserver jusqu'à la minute:
'<M8[m]' - Conserver à la seconde:
'<M8[s]'
une méthode que j'ai utilisée dans le passé pour atteindre cet objectif était la suivante (assez similaire à ce que vous faites déjà, mais j'ai pensé que je le jetterais là-bas de toute façon):
df['dt2'] = df['dt'].apply(lambda x: x.replace(minute=0, second=0))