web-dev-qa-db-fra.com

Arrondi à la seconde près - Python

J'ai un grand ensemble de données avec plus de 500 000 horodatages qui ressemblent à ceci:

date        time
2017-06-25 00:31:53.993
2017-06-25 00:32:31.224
2017-06-25 00:33:11.223
2017-06-25 00:33:53.876
2017-06-25 00:34:31.219
2017-06-25 00:35:12.634

Comment arrondir ces horodatages à la seconde près?

Mon code ressemble à ceci:

readcsv = pd.read_csv(filename)
log_date = readcsv.date
log_time = readcsv.time

readcsv['date'] = pd.to_datetime(readcsv['date']).dt.date
readcsv['time'] = pd.to_datetime(readcsv['time']).dt.time
timestamp = [datetime.datetime.combine(log_date[i],log_time[i]) for i in range(len(log_date))]

Alors maintenant, j'ai combiné les dates et les heures dans une liste d'objets datetime.datetime Qui ressemble à ceci:

datetime.datetime(2017,6,25,00,31,53,993000)
datetime.datetime(2017,6,25,00,32,31,224000)
datetime.datetime(2017,6,25,00,33,11,223000)
datetime.datetime(2017,6,25,00,33,53,876000)
datetime.datetime(2017,6,25,00,34,31,219000)
datetime.datetime(2017,6,25,00,35,12,634000)

Où dois-je aller d'ici? La fonction df.timestamp.dt.round('1s') ne semble pas fonctionner? De plus, lorsque j'utilisais .split() J'avais des problèmes lorsque les secondes et les minutes dépassaient 59

Merci beaucoup

pythonpython-2.7pandasdatetime
11
Jetman

En utilisant for loop Et str.split():

dts = ['2017-06-25 00:31:53.993',
       '2017-06-25 00:32:31.224',
       '2017-06-25 00:33:11.223',
       '2017-06-25 00:33:53.876',
       '2017-06-25 00:34:31.219',
       '2017-06-25 00:35:12.634']

for item in dts:
    date = item.split()[0]
    h, m, s = [item.split()[1].split(':')[0],
               item.split()[1].split(':')[1],
               str(round(float(item.split()[1].split(':')[-1])))]

    print(date + ' ' + h + ':' + m + ':' + s)

2017-06-25 00:31:54
2017-06-25 00:32:31
2017-06-25 00:33:11
2017-06-25 00:33:54
2017-06-25 00:34:31
2017-06-25 00:35:13
>>>

Vous pouvez transformer cela en fonction:

def round_seconds(dts):
    result = []
    for item in dts:
        date = item.split()[0]
        h, m, s = [item.split()[1].split(':')[0],
                   item.split()[1].split(':')[1],
                   str(round(float(item.split()[1].split(':')[-1])))]
        result.append(date + ' ' + h + ':' + m + ':' + s)

    return result

Test de la fonction:

dts = ['2017-06-25 00:31:53.993',
       '2017-06-25 00:32:31.224',
       '2017-06-25 00:33:11.223',
       '2017-06-25 00:33:53.876',
       '2017-06-25 00:34:31.219',
       '2017-06-25 00:35:12.634']

from pprint import pprint

pprint(round_seconds(dts))

['2017-06-25 00:31:54',
 '2017-06-25 00:32:31',
 '2017-06-25 00:33:11',
 '2017-06-25 00:33:54',
 '2017-06-25 00:34:31',
 '2017-06-25 00:35:13']
>>>

Comme vous semblez utiliser Python 2.7, pour supprimer les zéros de fin, vous devrez peut-être modifier:

str(round(float(item.split()[1].split(':')[-1])))

à

str(round(float(item.split()[1].split(':')[-1]))).rstrip('0').rstrip('.')

Je viens d'essayer la fonction avec Python 2.7 à repl.it et elle a fonctionné comme prévu.

0
Srisaila

Sans package supplémentaire, un objet datetime peut être arrondi à la seconde près avec la fonction simple suivante:

import datetime

def roundSeconds(dateTimeObject):
    newDateTime = dateTimeObject

    if newDateTime.microsecond >= 500000:
        newDateTime = newDateTime + datetime.timedelta(seconds=1)

    return newDateTime.replace(microsecond=0)
11
electrovir

Si vous utilisez des pandas, vous pouvez simplement round les données à la seconde près en utilisant dt.round -

df

                timestamp
0 2017-06-25 00:31:53.993
1 2017-06-25 00:32:31.224
2 2017-06-25 00:33:11.223
3 2017-06-25 00:33:53.876
4 2017-06-25 00:34:31.219
5 2017-06-25 00:35:12.634

df.timestamp.dt.round('1s')

0   2017-06-25 00:31:54
1   2017-06-25 00:32:31
2   2017-06-25 00:33:11
3   2017-06-25 00:33:54
4   2017-06-25 00:34:31
5   2017-06-25 00:35:13
Name: timestamp, dtype: datetime64[ns]

Si timestamp n'est pas une colonne datetime, convertissez-la d'abord, en utilisant pd.to_datetime -

df.timestamp = pd.to_datetime(df.timestamp)

Ensuite, dt.round devrait marcher.

4
cs95

La question ne dit pas comment vous voulez arrondir. L'arrondi serait souvent approprié pour une fonction de temps. Ce ne sont pas des statistiques.

rounded_down_datetime = raw_datetime.replace(microsecond=0)
2
mike rodent

Si vous stockez un ensemble de données dans un fichier, vous pouvez faire ceci:

with open('../dataset.txt') as fp:
    line = fp.readline()
    cnt = 1
    while line:
        line = fp.readline()
        print "\n" + line.strip()
        sec = line[line.rfind(':') + 1:len(line)]
        rounded_num = int(round(float(sec)))
        print line[0:line.rfind(':') + 1] + str(rounded_num)
        print abs(float(sec) - rounded_num)
        cnt += 1

Si vous stockez un ensemble de données dans une liste:

dts = ['2017-06-25 00:31:53.993',
   '2017-06-25 00:32:31.224',
   '2017-06-25 00:33:11.223',
   '2017-06-25 00:33:53.876',
   '2017-06-25 00:34:31.219',
   '2017-06-25 00:35:12.634']

for i in dts:
    line = i
    print "\n" + line.strip()
    sec = line[line.rfind(':') + 1:len(line)]
    rounded_num = int(round(float(sec)))
    print line[0:line.rfind(':') + 1] + str(rounded_num)
    print abs(float(sec) - rounded_num)
1
Rudradev Pal

Version alternative de la solution de @electrovir:

import datetime

def roundSeconds(dateTimeObject):
    newDateTime = dateTimeObject + datetime.timedelta(seconds=.5)
    return newDateTime.replace(microsecond=0)
0
gerardw

Si quelqu'un veut arrondir un seul élément datetime à la seconde près, celui-ci fonctionne très bien:

pandas.to_datetime(your_datetime_item).round('1s')
0
Maciej Gumułka

Une solution élégante qui ne nécessite que le module datetime standard.

import datetime

            currentimemili = datetime.datetime.now()
            currenttimesecs = currentimemili - \
                datetime.timedelta(microseconds=currentimemili.microsecond)
            print(currenttimesecs)
0
Gerardsson