Truncate `TimeStamp` - Spalte auf Stunde Präzision in der pandas `DataFrame`

Ich habe eine pandas.DataFrame genannt df welches einen automatisch generierten index einer Spalte dt:

df['dt'].dtype, df['dt'][0]
# (dtype('<M8[ns]'), Timestamp('2014-10-01 10:02:45'))

Was ich möchte zu tun ist, erstellen Sie eine neue Spalte abgeschnitten Stunde Präzision. Ich bin derzeit mit:

df['dt2'] = df['dt'].apply(lambda L: datetime(L.year, L.month, L.day, L.hour))

Das funktioniert, also geht das in Ordnung. Allerdings habe ich eine leise Ahnung, es gibt einige nette Weise mit pandas.tseries.offsets oder die Erstellung eines DatetimeIndex oder ähnliches.

Also, wenn möglich, gibt es einige pandas Zauberei zu tun?

  • Sie wollen also die gleichen Werte, aber ohne Sekunden korrigieren
  • Ohne Minuten oder Sekunden... ich bin nur daran interessiert, Stunde Präzision
InformationsquelleAutor Jon Clements | 2015-02-27
  1. 55

    In pandas 0.18.0 und später, gibt es datetime -Boden, ceil und round Methoden zur Runde Zeitstempel zu einem festen Genauigkeit/Frequenz. Zum abrunden Stunde Präzision, die Sie verwenden können:

    >>> 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

    Hier ist eine weitere alternative zum abschneiden der Zeitstempel. Im Gegensatz zu floor unterstützt es abgeschnitten, um eine Genauigkeit wie Jahr oder Monat.

    Können Sie vorübergehend passen Sie die Präzision der Einheit von der zugrunde liegenden NumPy datetime64 Datentyp, ändern Sie es aus [ns] zu [h]:

    df['dt'].values.astype('<M8[h]')

    Diese schneidet alles zu Stunde Präzision. Zum Beispiel:

    >>> 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]

    Gleichen Methode sollte funktionieren für jede andere Einheit: Monate 'M' -, Minuten -'m', und so weiter:

    • Halten, bis Baujahr: '<M8[Y]'
    • Mithalten zu Monat: '<M8[M]'
    • Halten bis zu Tag: '<M8[D]'
    • Halten bis zu minute: '<M8[m]'
    • Halten bis zu zweiten: '<M8[s]'
    • Tolle Antwort. Waaay schneller als datetime.replace, das ist die häufigste Lösung erwähnt auf SO.
    InformationsquelleAutor Alex Riley
  2. 2

    Einer Methode, die ich in der Vergangenheit verwendet habe, um dieses Ziel zu erreichen wurde das folgende (ziemlich ähnlich zu dem, was Sie bereits tut, aber dachte, ich würde werfen es da draußen sowieso):

    df['dt2'] = df['dt'].apply(lambda x: x.replace(minute=0, second=0))
    InformationsquelleAutor David Hagan
Schreibe einen Kommentar