pandas.Series.dt.floor

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

Выполнить операцию округления вниз данных до указанного freq.

Параметры:	freq : str or Offset Уровень частоты для округления вниз индекса. Должен быть фиксированной частотой, например, ‘S’ (секунда), 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 часы перехода DST на основе порядка булево массив, где True означает время DST, а False — время вне DST (обратите внимание, что этот флаг применяется только для неоднозначных моментов времени) ‘NaT’ вернёт NaT, если есть неоднозначные моменты времени ‘raise’ вызовет AmbiguousTimeError, если есть неоднозначные моменты времени Новое в версии 0.24.0. nonexistent : ‘shift_forward’, ‘shift_backward’, ‘NaT’, timedelta, default ‘raise’ Несуществующее время не существует в определённой часовой зоне, где часы переводились вперёд из-за DST. ‘shift_forward’ переместит несуществующее время вперёд к ближайшему существующему ‘shift_backward’ переместит несуществующее время назад к ближайшему существующему ‘NaT’ вернёт NaT, если есть несуществующие моменты времени объекты timedelta сдвинут несуществующее время на timedelta ‘raise’ вызовет NonExistentTimeError, если есть несуществующие моменты времени 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]