round()pandas 中的函式將 07:30 到 07:00 的時間四舍五入，但我想對超過 30 分鐘（含）的任何時間進行四舍五入。
例如。
07:15 to 07:00
05:25 to 05:00
22:30 to 23:00
18:45 to 19:00
如何使用 pandas 為資料框的一列實作這一點？
uj5u.com熱心網友回復：
時間戳
你需要使用dt.round. 然而，這有點因為前一小時/下一小時的行為取決于小時本身。您可以通過添加或減去少量時間（此處為 1ns）來強制它：
s = pd.to_datetime(pd.Series(['1/2/2021 3:45', '25/4/2021 12:30',
'25/4/2021 13:30', '12/4/2022 23:45']))
# xx:30 -> rounding depending on the hour parity (default)
s.dt.round(freq='1h')
0 2021-01-02 04:00:00
1 2021-04-25 12:00:00 <- -30min
2 2021-04-25 14:00:00 <- 30min
3 2022-12-05 00:00:00
dtype: datetime64[ns]
# 00:30 -> 00:00 (force down)
s.sub(pd.Timedelta('1ns')).dt.round(freq='1h')
0 2021-01-02 04:00:00
1 2021-04-25 12:00:00
2 2021-04-25 13:00:00
3 2022-12-05 00:00:00
dtype: datetime64[ns]
# 00:30 -> 01:00 (force up)
s.add(pd.Timedelta('1ns')).dt.round(freq='1h')
0 2021-01-02 04:00:00
1 2021-04-25 12:00:00
2 2021-04-25 13:00:00
3 2022-12-05 00:00:00
dtype: datetime64[ns]
花車
IIUC，您可以使用divmod（或numpy.modf）獲取整數和小數部分，然后執行簡單的布爾運算：
s = pd.Series([7.15, 5.25, 22.30, 18.45])
s2, r = s.divmod(1) # or np.modf(s)
s2[r.ge(0.3)] = 1
s2 = s2.astype(int)
替代方案：使用mod和布爾到 int 等價：
s2 = s.astype(int) s.mod(1).ge(0.3)
輸出：
0 7
1 5
2 23
3 19
dtype: int64
注意精度。由于浮點運算，比較浮點數并不總是那么容易。例如gt，在這里使用 22.30 會失敗。為確保精度先四舍五入到 2 位。
s.mod(1).round(2).ge(0.3)
或使用整數：
s.mod(1).mul(100).astype(int).ge(30)
uj5u.com熱心網友回復：
這是一個適用于時間戳的版本：
#dummy data:
df = pd.DataFrame({'time':pd.to_datetime([np.random.randint(0,10**8) for a in range(10)], unit='s')})
def custom_round(df, col, out):
if df[col].minute >= 30:
df[out] = df[col].ceil('H')
else:
df[out] = df[col].floor('H')
return df
df.apply(lambda x: custom_round(x, 'time', 'new_time'), axis=1)
＃編輯：
使用 numpy：
def custom_round(df, col, out):
df[out] = np.where(
(
df['time'].dt.minute>=30),
df[col].dt.ceil('H'),
df[col].dt.floor('H')
)
return df
df = custom_round(df, 'time', 'new_time')
轉載請註明出處，本文鏈接：https://www.uj5u.com/yidong/459857.html