pandas.DatetimeIndex.floor

DatetimeIndex.floor(self, *args, **kwargs) [source]

Выполнить операцию округления данных до указанного freq.

Параметры:	freq : str or Offset Уровень частоты, до которого нужно округлить индекс. Должен быть фиксированной частотой, например, ‘S’ (секунда), а не ‘ME’ (конец месяца). См. псевдонимы частот для списка возможных значений freq. ambiguous : ‘infer’, bool-ndarray, ‘NaT’, default ‘raise’ Актуально только для DatetimeIndex: ‘infer’ попытается определить, какие часы перехода DST следует округлить, основываясь на порядке. bool-массив, где True обозначает время DST, а False - время вне DST (обратите внимание, что этот флаг применим только для неоднозначных времен). ‘NaT’ вернёт NaT, если есть неоднозначные времена. ‘raise’ вызовет AmbiguousTimeError, если есть неоднозначные времена. Новое в версии 0.24.0. nonexistent : ‘shift_forward’, ‘shift_backward’, ‘NaT’, timedelta, default ‘raise’ Несуществующее время не существует в определённой временной зоне, где часы сдвигаются 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, если есть несуществующие времена. объекты timedelta переместят несуществующие времена на указанное количество timedelta. ‘raise’ вызовет NonExistentTimeError, если есть несуществующие времена. Новое 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.
Возможные ошибки:	ValueError if the freq cannot be converted.

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.floor('H')
DatetimeIndex(['2018-01-01 11:00:00', '2018-01-01 12:00:00',
               '2018-01-01 12:00:00'],
              dtype='datetime64[ns]', freq=None)

Series

>>> pd.Series(rng).dt.floor("H")
0   2018-01-01 11:00:00
1   2018-01-01 12:00:00
2   2018-01-01 12:00:00
dtype: datetime64[ns]