Python是進行數據分析的一種出色語言,主要是因為以數據為中心的python軟件包具有奇妙的生態係統。 Pandas是其中的一種,使導入和分析數據更加容易。
Pandas DatetimeIndex.round()
函數將tz-naive DatetimeIndex本地化為tz-aware DatetimeIndex。此方法采用時區(tz)天真的DatetimeIndex對象,並使該時區可用。不會將時間移到另一個時區。時區本地化有助於從知道時區的對象切換到不了解時區的對象。
用法: DatetimeIndex.round(freq, *args, **kwargs)
參數:
freq:將索引舍入到的頻率級別。必須為固定頻率,例如“ S”(秒)而不是“ ME”(月末)
返回:DatetimeIndex或TimedeltaIndex具有相同類型的索引,或者Series具有相同索引的Series。
範例1:采用DatetimeIndex.round()
函數將DatetimeIndex對象的數據四舍五入到指定的頻率。
# importing pandas as pd
import pandas as pd
# Create the DatetimeIndex
# Here 'S' represents secondly frequency
didx = pd.DatetimeIndex(start ='2000-01-15 08:00',
freq ='S', periods = 4)
# Print the DatetimeIndex
print(didx)
輸出:
現在我們要將DatetimeIndex對象的第二個基於頻率的頻率轉換為基於分鍾的頻率
# convert to the passed frequency
# 'T' represents minute based frequency
didx.round(freq ='T')
輸出:
從輸出中可以看到,該函數將這些值四舍五入為所需的頻率。
範例2:采用DatetimeIndex.round()
函數將DatetimeIndex對象的數據四舍五入到指定的頻率。
# importing pandas as pd
import pandas as pd
# Create the DatetimeIndex
# Here 'T' represents minutely frequency
didx = pd.DatetimeIndex(start ='2000-01-15 08:00',
freq ='T', periods = 4)
# Print the DatetimeIndex
print(didx)
輸出:
現在我們想將DatetimeIndex對象的基於分鍾的頻率轉換為基於小時的頻率
# convert to the passed frequency
# Convert minute based frequency to hour based frequency
didx.round(freq ='H')
輸出:
從輸出中可以看到,該函數將這些值四舍五入為所需的頻率。
相關用法
- Python pandas.map()用法及代碼示例
- Python Pandas Series.str.len()用法及代碼示例
- Python Pandas.factorize()用法及代碼示例
- Python Pandas TimedeltaIndex.name用法及代碼示例
- Python Pandas dataframe.ne()用法及代碼示例
- Python Pandas Series.between()用法及代碼示例
- Python Pandas DataFrame.where()用法及代碼示例
- Python Pandas Series.add()用法及代碼示例
- Python Pandas.pivot_table()用法及代碼示例
- Python Pandas Series.mod()用法及代碼示例
- Python Pandas Dataframe.at[ ]用法及代碼示例
- Python Pandas Dataframe.iat[ ]用法及代碼示例
- Python Pandas.pivot()用法及代碼示例
- Python Pandas dataframe.mul()用法及代碼示例
- Python Pandas.melt()用法及代碼示例
注:本文由純淨天空篩選整理自Shubham__Ranjan大神的英文原創作品 Python | Pandas DatetimeIndex.round()。非經特殊聲明,原始代碼版權歸原作者所有,本譯文未經允許或授權,請勿轉載或複製。