Python 汇总并比较索引
我有多个带有unix时间戳的csv文件,用作DateTimeIndex,我想比较一下 单个文件的示例:Python 汇总并比较索引,python,datetime,indexing,Python,Datetime,Indexing,我有多个带有unix时间戳的csv文件,用作DateTimeIndex,我想比较一下 单个文件的示例: Unixtime Value 1525328729150.00 15.06 1525328729943.00 16.05 1525328730741.00 16.32 1525328731536.00 16.35 1525328732335.00 16.87 1525328733131.00 16.99 1525328733932.00
Unixtime Value
1525328729150.00 15.06
1525328729943.00 16.05
1525328730741.00 16.32
1525328731536.00 16.35
1525328732335.00 16.87
1525328733131.00 16.99
1525328733932.00 17.45
1525328734731.00 17.65
目前,我正在使用以下(代码片段)设置DatetimeIndex(工作正常):
但是,当我想在特定时间比较两个不同文件的值时,有几个问题:
np.round(data[i].index.astype(np.int64), -13).astype('datetime64[ns]')
或
或
或
但似乎没有一个能起作用,也没有一个能为我提供我所需要的解决方案,即(大致)同时减去两个值。
最好的方法是什么?我用
round_amount = 1*1*1000000000
data[i].index = pd.DatetimeIndex(((data[i].index.asi8/(round_amount)).round()*round_amount).astype(np.int64))
它将日期时间索引舍入到最接近的秒
pd.DatetimeIndex(((data[i].index.asi8/(1e13*60)).round()*1e13*60)
.astype(np.int64)).values
ns1min=1*60*1000000000 # 1 minute in nanoseconds
pd.to_datetime(((data[i].index.astype(np.int64) // ns1min + 1 ) * ns1min))
pandas.DatetimeIndex.round
round_amount = 1*1*1000000000
data[i].index = pd.DatetimeIndex(((data[i].index.asi8/(round_amount)).round()*round_amount).astype(np.int64))