pandas时间四舍五入

在Pandas中，可以使用round()函数来对时间进行四舍五入。具体使用方式如下：

import pandas as pd

# 创建一个时间Series
dates = pd.date_range('2022-01-01', periods=5, freq='2H')

# 对时间进行四舍五入
rounded_dates = dates.round('H')

# 输出结果
print(rounded_dates)

在上面的代码中，我们首先使用date_range()函数创建了一个时间序列。然后，我们使用round()函数将时间序列中的每个时间四舍五入到最近的小时。最后，我们输出了四舍五入后的结果。

如果您想要将时间向上或向下舍入到指定的时间间隔，可以将指定的时间间隔传递给round()函数。例如，如果您想要将时间向下舍入到最近的30分钟，可以这样写：

rounded_dates = dates.round('30min')

相关问题

pandas读取数间数据时会将毫秒四舍五入

是的，如果使用默认的 pandas 读取数据方式，时间数据的毫秒会被四舍五入。这是因为 pandas 中的 datetime 类型默认只保留到微秒级别（即精度为 1e-6 秒），而大部分时间数据中的毫秒精度是 1e-3 秒，因此在转换为 pandas datetime 类型时会被四舍五入到微秒级别。

如果需要保留时间数据的毫秒精度，可以通过指定 `dtype` 参数为 `object` 或 `str`，将时间数据读取为字符串格式，然后再将其转换为 datetime 类型，并指定毫秒精度。示例代码如下：

import pandas as pd

# 创建示例数据
data = {'time': ['2021-06-01 12:00:00.123', '2021-06-01 12:00:00.456', '2021-06-01 12:00:00.789']}
df = pd.DataFrame(data)

# 读取时间数据为字符串格式
df['time'] = pd.read_csv('data.csv', parse_dates=['time'], dtype={'time': 'object'})['time']

# 将时间数据转换为 datetime 类型，并指定毫秒精度
df['time'] = pd.to_datetime(df['time'], format='%Y-%m-%d %H:%M:%S.%f')

# 输出结果
print(df)

其中，`read_csv` 函数指定 `dtype` 参数为 `object`，将时间数据读取为字符串格式，`to_datetime` 函数将字符串格式的时间数据转换为 datetime 类型，并指定格式为 `%Y-%m-%d %H:%M:%S.%f`，即保留到毫秒级别。

输出结果如下：

                     time
0 2021-06-01 12:00:00.123
1 2021-06-01 12:00:00.456
2 2021-06-01 12:00:00.789

这样就可以保留时间数据的毫秒精度了。

(pd.to_datetime(unprompt_paid.乘客付款时间)-pd.to_datetime(unprompt_paid.用车时间)).dt.days该输出结果未满1天的被识别成了0，如何让时间四舍五入，未满一天的，输出1

你可以使用 `numpy.ceil()` 函数来实现时间四舍五入，未满一天的输出为 1。具体实现代码如下：

import pandas as pd
import numpy as np

# 假设 unprompt_paid 是一个 DataFrame，包含乘客付款时间和用车时间两列
days_diff = (pd.to_datetime(unprompt_paid.乘客付款时间) - pd.to_datetime(unprompt_paid.用车时间)).dt.days
days_diff = np.ceil(days_diff.where(days_diff > 0, other=1)).astype(int)

上述代码中，我们首先计算出 `pd.to_datetime(unprompt_paid.乘客付款时间) - pd.to_datetime(unprompt_paid.用车时间)` 的天数差，并使用 `numpy.where()` 函数将小于等于 0 的差值设为 1。然后使用 `numpy.ceil()` 函数将天数差值向上取整，最后使用 `astype(int)` 函数将结果转换为整数类型。这样，未满一天的差值就会被四舍五入为 1。