pandas.DatetimeIndex.ceil

DatetimeIndex.ceil(*args, **kwargs)[source]

Выполнить операцию округления вверх данных до указанной частоты freq.

Параметры:

freq:строка или смещение

Уровень частоты, до которого необходимо округлить индекс вверх. Должна быть фиксированная частота, например, ‘S’ (секунда), а не ‘ME’ (конец месяца). См. псевдонимы частот для списка возможных значений freq.

ambiguous:'infer', булев массив, 'NaT', по умолчанию 'raise'

Актуально только для DatetimeIndex:

• ‘infer’ попытается определить часы перехода DST на основе порядка

• булев массив, где True означает время DST, 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.

nonexistent:'shift_forward', 'shift_backward', 'NaT', timedelta, по умолчанию 'raise'

Несуществующее время не существует в конкретной часовой зоне, где часы перевели 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 сдвинут несуществующие времена на timedelta

• ‘raise’ вызовет NonExistentTimeError, если есть несуществующие времена.

Возвращаемое значение:

DatetimeIndex, TimedeltaIndex или Series

Индекс того же типа для DatetimeIndex или TimedeltaIndex, или Series со схожим индексом для Series.

Возбуждаемые исключения:

ValueError, если freq невозможно преобразовать.

Примечания

Если у временных меток есть часовой пояс, округление вверх будет выполняться относительно местного («стенного») времени и пере-локализовано в ту же часовую зону. При округлениях вблизи перехода к летнему времени используйте nonexistent и ambiguous, чтобы управлять поведением пере-локализации.

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='min')
>>> rng.ceil('h')
DatetimeIndex(['2018-01-01 12:00:00', '2018-01-01 12:00:00',
               '2018-01-01 13:00:00'],
              dtype='datetime64[ns]', freq=None)

Series

>>> pd.Series(rng).dt.ceil("h")
0   2018-01-01 12:00:00
1   2018-01-01 12:00:00
2   2018-01-01 13:00:00
dtype: datetime64[ns]

При округлениях вблизи перехода к летнему времени, используйте ambiguous или nonexistent, чтобы управлять тем, как временная метка должна быть пере-локализована.

>>> rng_tz = pd.DatetimeIndex(["2021-10-31 01:30:00"], tz="Europe/Amsterdam")

>>> rng_tz.ceil("h", ambiguous=False)
DatetimeIndex(['2021-10-31 02:00:00+01:00'],
              dtype='datetime64[ns, Europe/Amsterdam]', freq=None)

>>> rng_tz.ceil("h", ambiguous=True)
DatetimeIndex(['2021-10-31 02:00:00+02:00'],
              dtype='datetime64[ns, Europe/Amsterdam]', freq=None)