四舍五入并比较索引Python

Question

我有多个带有 unix 时间戳的 csv 文件，我将它们用作 DateTimeIndexes，我想对它们进行比较。

单个文件示例：

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   17.45
1525328734731.00   17.65

目前我正在使用以下 (sn-p) 来设置 DatetimeIndex（完美运行）：

data[i] = pd.read_csv(temp_file_name, index_col=' Time_Created')
data[i].index = pd.to_datetime(data[i].index, unit='ns')

但是，当我想在特定时间比较两个不同文件的值时，会出现几个问题：

1. 文件中的时间不完全匹配。一个文件可能是 01:443 秒，另一个文件可能是 01:247。
2. 四舍五入到一秒或 500 毫秒会导致索引可能被跳过或重复的问题。舍入到 500 毫秒可以舍入 01:443 到 01:500，但可以舍入 01:247 到 01:000。

我尝试了几种方法：

1. 将 int64 整数向上舍入
2. 向上取整 DatetimeIndex

目前尝试使用

np.round(data[i].index.astype(np.int64), -13).astype('datetime64[ns]')

或

pd.DatetimeIndex(((data[i].index.asi8/(1e13*60)).round()*1e13*60)
.astype(np.int64)).values

或

ns1min=1*60*1000000000   # 1 minute in nanoseconds 
pd.to_datetime(((data[i].index.astype(np.int64) // ns1min + 1 ) * ns1min))

或

pandas.DatetimeIndex.round

但似乎没有一个工作或为我提供我需要的解决方案，即（大致）同时减去两个值。 解决这个问题的最佳方法是什么？

Answer 1

我设法让它使用

round_amount = 1*1*1000000000
data[i].index = pd.DatetimeIndex(((data[i].index.asi8/(round_amount)).round()*round_amount).astype(np.int64))

将 DatetimeIndex 舍入到最接近的秒数。