pandas.arrays.DatetimeArray.round

DatetimeArray.round(freq, ambiguous='raise', nonexistent='raise') [source]

Выполнить операцию округления данных до указанного freq.

Параметры:	freq : str or Offset Уровень частоты для округления индекса. Должен быть фиксированной частотой, например, ‘S’ (секунды), а не ‘ME’ (конец месяца). См. псевдонимы частот для списка возможных freq значений. ambiguous : ‘infer’, bool-ndarray, ‘NaT’, default ‘raise’ Актуально только для DatetimeIndex: ‘infer’ попытается определить часовые переходы DST, основываясь на порядке булево массив, где True указывает на время DST, а False – на время вне DST (обратите внимание, что этот флаг применим только для неоднозначных времен) ‘NaT’ вернет NaT в случае неоднозначных времен ‘raise’ вызовет AmbiguousTimeError, если есть неоднозначные времена Добавлена в версии 0.24.0. nonexistent : ‘shift_forward’, ‘shift_backward, ‘NaT’, timedelta, по умолчанию ‘raise’ Несуществующее время не существует в определенной часовой зоне, где часы переводились вперёд из-за DST. ‘shift_forward’ переместит несуществующее время вперёд к ближайшему существующему времени ‘shift_backward’ переместит несуществующее время назад к ближайшему существующему времени ‘NaT’ вернёт NaT в случае несуществующих времен объекты timedelta сместят несуществующие времена на timedelta ‘raise’ вызовет NonExistentTimeError, если есть несуществующие времена Добавлена в версии 0.24.0.
Возвращает:	DatetimeIndex, TimedeltaIndex или Series Индекс того же типа для DatetimeIndex или TimedeltaIndex, или Series с тем же индексом для Series.
Возбуждает:	ValueError, если `freq` нельзя преобразовать.

Примеры

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='T')
>>> 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]