pandas.Series.dt.round

Series.dt.round(*args, **kwargs)

对数据执行舍入操作，以指定的`freq`为单位。

Parameters:

freqstr 或 Offset

将索引四舍五入到的频率级别。必须是固定频率，如 ‘S’（秒），而不是 ‘ME’（月末）。有关可能的 freq 值列表，请参阅 frequency aliases 。

歧义 (ambiguous)‘infer’, bool-ndarray, ‘NaT’, 默认 ‘raise’

仅适用于 DatetimeIndex:

• ‘infer’ 将尝试根据顺序推断DST转换的小时

• bool-ndarray，其中 True 表示 DST 时间，False 表示非 DST 时间（请注意，此标志仅适用于歧义时间）

• ‘NaT’ 将在有歧义时间的地方返回 NaT

• 如果存在歧义时间，’raise’ 将引发 AmbiguousTimeError。

不存在 (nonexistent)‘shift_forward’, ‘shift_backward’, ‘NaT’, timedelta, default ‘raise’

由于 DST 导致时钟向前移动，某个时区中不存在的某个时间点。

• ‘shift_forward’ 会将不存在的时间向前移动到最近的可用时间。

• ‘shift_backward’ 会将不存在的时间向后移动到最近的可用时间。

• ‘NaT’ 在有不存在的时间时返回 NaT。

• timedelta 对象会将不存在的时间按 timedelta 移动。

• ‘raise’ 如果存在不存在的时间，则会引发一个 NonExistentTimeError。

Returns:

DatetimeIndex, TimedeltaIndex, 或 Series

对于 DatetimeIndex 或 TimedeltaIndex，返回相同类型的索引；对于 Series，返回具有相同索引的 Series。

Raises:

如果 freq 无法转换，则引发 ValueError。

Notes

如果时间戳具有时区，则它们将相对于本地（“挂钟”）时间进行舍入，并重新本地化为同一时区。在接近夏令时时进行舍入时，请使用 nonexistent 和 ambiguous 来控制重新本地化行为。

Examples

DatetimeIndex

>>> rng = pd.date_range('1/1/2018 11:59:00', periods=3, freq='min')
>>> rng
DatetimeIndex(['2018-01-01 11:59:00', '2018-01-01 12:00:00',
               '2018-01-01 12:01:00'],
              dtype='datetime64[ns]', freq='min')
>>> rng.round('h')
DatetimeIndex(['2018-01-01 12:00:00', '2018-01-01 12:00:00',
               '2018-01-01 12:00:00'],
              dtype='datetime64[ns]', freq=None)

Series

>>> pd.Series(rng).dt.round("h")
0   2018-01-01 12:00:00
1   2018-01-01 12:00:00
2   2018-01-01 12:00:00
dtype: datetime64[ns]

在靠近夏令时转换时进行舍入时，使用 ambiguous 或 nonexistent 来控制应如何重新本地化时间戳。

>>> rng_tz = pd.DatetimeIndex(["2021-10-31 03:30:00"], tz="Europe/Amsterdam")

>>> rng_tz.floor("2h", ambiguous=False)
DatetimeIndex(['2021-10-31 02:00:00+01:00'],
              dtype='datetime64[ns, Europe/Amsterdam]', freq=None)

>>> rng_tz.floor("2h", ambiguous=True)
DatetimeIndex(['2021-10-31 02:00:00+02:00'],
              dtype='datetime64[ns, Europe/Amsterdam]', freq=None)