mars.dataframe.Series.dt.round#

Series.dt.round(*args, **kwargs)#

对数据进行四舍五入操作，直到指定的 freq。

Parameters

  • freq (str 或 Offset) – 要将索引舍入到的频率级别。必须是固定的频率，如‘S’（秒），而不是‘ME’（月末）。请参见频率别名，以获取可能的freq值的列表。

  • 模糊 ('infer', bool-ndarray, 'NaT', 默认为 'raise') –

    仅适用于 DatetimeIndex：

    • ’infer’ 将尝试根据顺序推断夏令时过渡的小时

    • bool-ndarray，其中 True 表示夏令时，False 表示非夏令时（注意此标志仅适用于模糊时间）

    • ’NaT’ 将在存在模糊时间时返回 NaT

    • ’raise’ 如果存在模糊时间，将引发 AmbiguousTimeError。

  • nonexistent ('shift_forward', 'shift_backward', 'NaT', timedelta, 默认 'raise') –

    不存在的时间在特定时区内不存在，因夏令时而导致时钟向前移动。

    • ’shift_forward’ 将把不存在的时间向前调整到最近的有效时间

    • ’shift_backward’ 将把不存在的时间向后调整到最近的有效时间

    • ’NaT’ 会在存在不存在的时间时返回 NaT

    • timedelta 对象将根据 timedelta 调整不存在的时间

    • ’raise’ 如果存在不存在的时间，将引发 NonExistentTimeError。

Returns

相同类型的DatetimeIndex或TimedeltaIndex的索引，或者具有相同索引的Series的Series。

Return type

DatetimeIndex、TimedeltaIndex或Series

Raises

如果无法转换频率，则会引发ValueError。 –

示例

日期时间索引

>>> import mars.dataframe as md
>>> rng = md.date_range('1/1/2018 11:59:00', periods=3, freq='min')
>>> rng.execute()
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.round('H').execute()
DatetimeIndex(['2018-01-01 12:00:00', '2018-01-01 12:00:00',
               '2018-01-01 12:00:00'],
              dtype='datetime64[ns]', freq=None)

系列

>>> md.Series(rng).dt.round("H").execute()
0   2018-01-01 12:00:00
1   2018-01-01 12:00:00
2   2018-01-01 12:00:00
dtype: datetime64[ns]