pandas.TimedeltaIndex.floor

TimedeltaIndex.floor(self, freq, ambiguous='raise', nonexistent='raise') [source]

Выполнить операцию округления вниз данных до указанного freq.

Параметры:	freq : str or Offset Уровень частоты, до которого нужно округлить индекс вниз. Должен быть фиксированной частотой, например, ‘S’ (секунда), а не ‘ME’ (конец месяца). См. псевдонимы частоты для списка возможных значений freq. ambiguous : ‘infer’, bool-ndarray, ‘NaT’, default ‘raise’ Актуально только для DatetimeIndex: ‘infer’ попытается определить часы перехода DST на основе порядка bool-массив, где True обозначает время DST, а False – время вне DST (обратите внимание, что этот флаг применим только для неоднозначных моментов времени) ‘NaT’ вернёт NaT, если имеются неоднозначные моменты времени ‘raise’ вызовет AmbiguousTimeError, если имеются неоднозначные моменты времени Новое в версии 0.24.0. nonexistent : ‘shift_forward’, ‘shift_backward’, ‘NaT’, timedelta, default ‘raise’ Временной момент не существует в определённой временной зоне, где часы перевели вперёд из-за DST. ‘shift_forward’ сдвинет несуществующее время вперёд к ближайшему существующему ‘shift_backward’ сдвинет несуществующее время назад к ближайшему существующему ‘NaT’ вернёт NaT, если имеются несуществующие моменты времени объекты timedelta сдвинут несуществующие моменты времени на указанный timedelta ‘raise’ вызовет NonExistentTimeError, если имеются 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 исключения:	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]