python - 如何在不使用最小/最大/总和或平均值的情况下将数据帧的日期时间值分配给下一个 15 分钟时间步长？

Question

我有一个带有电源配置文件的数据框。数据框显示事务期间的开始和结束时间以及消耗的功率。它看起来像这样：

交易 ID	开始时间	时间结束	力量
xyza123	2018.01.01 07:07:34	2018.01.01 07:34:08	70
hjker383	2018.01.01 10:21:00	2018.01.01 11:40:08	23

我的目标是分配一个新的开始时间和结束时间，它们设置为 15 分钟值。像这样：

交易 ID	开始时间	新开始时间	时间结束	新的结束时间	力量
xyza123	2018.01.01 07:07:34	2018.01.01 07:00:00	2018.01.01 07:34:08	2018.01.01 07:30:00	70
hjker383	2018.01.01 10:21:00	2018.01.01 10:30:00	2018.01.01 11:40:08	2018.01.01 11:45:00	23

之后可以删除旧的时间戳。但是我不想聚合它们。所以我猜

df.groupby(pd.Grouper(key="StartTime", freq="15min")).sum()

或者

df.groupby(pd.Grouper(key="StartEndtime", freq="15min")).mean()

等不是一种选择。我的另一个想法是创建一个数据框，其值介于2018.01.01 00:00:00和之间2018.01.01 23:45:00。但是，我不确定如何迭代真实的两个数据帧以实现我的目标，以及迭代真实的数据帧是否是一个好主意。

标签： pythonpandasdataframedatetime

Answer 1

您可以使用函数将日期时间转换为最近的 15 分钟，然后将其应用于列此函数的灵感来自此链接：

import datetime

def convertToNearest15(tm):
    discard = datetime.timedelta(minutes=tm.minute % 15,
                             seconds=tm.second,
                             microseconds=tm.microsecond)
    tm -= discard
    if discard >= datetime.timedelta(minutes=7.5):
        tm += datetime.timedelta(minutes=15)
    return tm


df['startTime'] = pd.to_datetime(df['startTime'])
df['newStartTime'] = df['startTime'].apply(convertToNearest15)
df['endTime'] = pd.to_datetime(df['endTime'])
df['newEndTime'] = df['endTime'].apply(convertToNearest15)

结果如下：

id     | startTime              | endTime               |  newStartTime     | newEndTime
xyza123 | 2018-01-01 07:07:34   | 2018-01-01 10:21:00   | 2018-01-01 07:15:00   | 2018-01-01 10:15:00
hjker383| 2018-01-01 07:34:08   |2018-01-01 11:40:08    |2018-01-01 07:30:00    |2018-01-01 11:45:00