为每 n 个元素创建相同的时间戳答案

【问题标题】：Create identical timestamp for each n elements为每 n 个元素创建相同的时间戳
【发布时间】：2020-04-21 20:46:38
【问题描述】：

我有一个函数可以创建一个包含 100.000 个时间戳的人工列表，可以追溯到过去。频率为2分钟。

datelist = pd.date_range(end = pd.datetime.today(), periods=100000, freq='2min00S').tolist()

结果如下：

[Timestamp('2018-12-03 19:48:35.874707', freq='2T'),
 Timestamp('2018-12-03 19:50:35.874707', freq='2T'),
 Timestamp('2018-12-03 19:52:35.874707', freq='2T'),
 Timestamp('2018-12-03 19:54:35.874707', freq='2T'),
 Timestamp('2018-12-03 19:56:35.874707', freq='2T'),
 Timestamp('2018-12-03 19:58:35.874707', freq='2T'),
 Timestamp('2018-12-03 20:00:35.874707', freq='2T'),
 Timestamp('2018-12-03 20:02:35.874707', freq='2T'),
 Timestamp('2018-12-03 20:04:35.874707', freq='2T'),
 Timestamp('2018-12-03 20:06:35.874707', freq='2T'),
...]

我想为每 50 个元素创建一个相同的时间戳。目前，我对每 100.000 个元素都有不同的时间戳。有什么想法吗？

换句话说：2 分钟的频率保持不变，但每 50 个元素的时间戳相同。

这个最终列表将作为新列集成到 pandas 数据框中。

data_pd['Timestamp'] = datelist

【问题讨论】：

标签： python pandas list numpy timestamp

【解决方案1】：

我相信您需要在删除tolist() 后按数组索引DatetimeIndex，并将50 的整数除以numpy.arange 按DataFrame 的长度：

dates = pd.date_range(end = pd.datetime.today(), periods=100000, freq='2min00S')
data_pd['Timestamp'] = dates[np.arange(len(data_pd)) // 50]

样本：（每5个值）

dates = pd.date_range(end = pd.datetime.today(), periods=100000, freq='2min00S')
data_pd = pd.DataFrame({'a':range(10)})
data_pd['Timestamp'] = dates[np.arange(len(data_pd)) // 5]

print (data_pd)
   a                  Timestamp
0  0 2019-08-17 13:20:41.002125
1  1 2019-08-17 13:20:41.002125
2  2 2019-08-17 13:20:41.002125
3  3 2019-08-17 13:20:41.002125
4  4 2019-08-17 13:20:41.002125
5  5 2019-08-17 13:22:41.002125
6  6 2019-08-17 13:22:41.002125
7  7 2019-08-17 13:22:41.002125
8  8 2019-08-17 13:22:41.002125
9  9 2019-08-17 13:22:41.002125

【讨论】：

这正是我想要的。很好。非常感谢！

【解决方案2】：

end_time = pd.datetime.today()
end_date = end_time.date()
datelist = pd.date_range(end = end_date, periods=100000, freq='2min00S').tolist()

将 end_time 转换为日期，而不是使用带小数秒的时间。这将始终为您提供相同的时间

[Timestamp('2019-08-17 02:42:00', freq='2T'),
 Timestamp('2019-08-17 02:44:00', freq='2T'),
 Timestamp('2019-08-17 02:46:00', freq='2T'),
 Timestamp('2019-08-17 02:48:00', freq='2T'),
 Timestamp('2019-08-17 02:50:00', freq='2T'),
 Timestamp('2019-08-17 02:52:00', freq='2T'),
 Timestamp('2019-08-17 02:54:00', freq='2T'),
 Timestamp('2019-08-17 02:56:00', freq='2T'),
 Timestamp('2019-08-17 02:58:00', freq='2T'),
 Timestamp('2019-08-17 03:00:00', freq='2T'),
 Timestamp('2019-08-17 03:02:00', freq='2T'),
 Timestamp('2019-08-17 03:04:00', freq='2T'),
 Timestamp('2019-08-17 03:06:00', freq='2T'),

【讨论】：