web-dev-qa-db-fra.com

Tronquer la colonne `TimeStamp` en précision horaire en pandas` DataFrame`

J'ai un pandas.DataFrame appelé df 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 avec une précision horaire. J'utilise actuellement:

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

Cela fonctionne, donc ça va. Cependant, j'ai une idée, il y a une bonne façon d'utiliser pandas.tseries.offsets ou en créant un DatetimeIndex ou similaire.

Donc, si possible, y a-t-il un pandas de la magie pour le faire?

pythonpandasdatetimedataframe
27
Jon Clements

Dans pandas 0.18.0 et versions ultérieures, il y a datetime floor , ceil et - round méthodes pour arrondir les horodatages à une précision/fréquence fixe donnée. Pour arrondir à la précision horaire, 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 horodatages. Contrairement à floor, il prend en charge la troncature avec une précision telle que l'année ou le mois.

Vous pouvez temporairement ajuster l'unité de précision du NumPy sous-jacent datetime64 type de données, modification de [ns] à [h]:

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

Cela tronque tout avec une précision horaire. 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', etc:

  • Gardez jusqu'à l'année: '<M8[Y]'
  • Gardez jusqu'à mois: '<M8[M]'
  • Restez à jour: '<M8[D]'
  • Restez à la minute: '<M8[m]'
  • Restez à la seconde: '<M8[s]'
57
Alex Riley

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 je pensais que je le mettrais là-bas de toute façon):

df['dt2'] = df['dt'].apply(lambda x: x.replace(minute=0, second=0))
2
David Hagan