Python Pandas Series.dt.floor

Series.dt可以用来访问类似于数据时间的系列值，并返回若干属性。Pandas Series.dt.floor()函数对数据进行floor操作，达到指定频率。

语法: Series.dt.floor(*args, **kwargs)

参数:
freq : 指数下限的频率水平。

结果 : DatetimeIndex, TimedeltaIndex, or Series

示例#1：使用Series.dt.floor()函数将给定系列对象的日期时间数据以指定频率为底层。

# importing pandas as pd
import pandas as pd
  
# Creating the Series
sr = pd.Series(['2012-12-31 08:45', '2019-1-1 12:30', '2008-02-2 10:30',
               '2010-1-1 09:25', '2019-12-31 00:00'])
  
# Creating the index
idx = ['Day 1', 'Day 2', 'Day 3', 'Day 4', 'Day 5']
  
# set the index
sr.index = idx
  
# Convert the underlying data to datetime 
sr = pd.to_datetime(sr)
  
# Print the series
print(sr)

输出 :

现在我们将使用Series.dt.floor()函数将给定的系列对象中的日期时间值下调到Daily频率。

# floor to daily frequency
result = sr.dt.floor(freq = 'D')
  
# print the result
print(result)

输出 :

正如我们在输出中看到的，Series.dt.floor()函数已经成功地将给定系列对象中的日期时间值浮动到指定的频率。

示例#2 :使用Series.dt.floor()函数将给定系列对象的日期时间数据以指定频率为底层。

# importing pandas as pd
import pandas as pd
  
# Creating the Series
sr = pd.Series(pd.date_range('2012-12-31 09:45', periods = 5, freq = 'T',
                            tz = 'Asia / Calcutta'))
  
# Creating the index
idx = ['Day 1', 'Day 2', 'Day 3', 'Day 4', 'Day 5']
  
# set the index
sr.index = idx
  
# Print the series
print(sr)

输出 :

现在我们将使用Series.dt.floor()函数将给定的系列对象中的日期时间值以小时为单位进行下限。

# floor to hourly frequency
result = sr.dt.floor(freq = 'H')
  
# print the result
print(result)

输出 :

正如我们在输出中看到的，Series.dt.floor()函数已经成功地将给定系列对象中的日期时间值浮动到指定的频率。