Pandas Series dt.round関数：時間ベースのデータ分析を強力にサポート

Pandas Seriesにおけるdt.round関数：詳細解説

pandas.Series.dt.round関数は、Seriesオブジェクトに含まれるdatetime型データに対して、指定された精度で丸め処理を行う関数です。時間ベースのデータ分析において、データの粒度を調整したり、特定の時間帯に焦点を当てたりする際に非常に役立ちます。

機能

• dt.round関数は、以下の属性を指定することで、丸め処理を詳細に制御できます。
  • freq: 丸め処理の精度を指定します。例えば、'S'を指定すると秒単位、'T'を指定すると分単位で丸め処理が行われます。
  • infer: Trueに設定すると、freqパラメータが省略された場合、データの範囲に基づいて最適な精度が自動的に選択されます。
  • ambiguous: 不明確な時間帯（夏時間と標準時の切り替えなど）の処理方法を指定します。'infer', 'raise', 'NaT', 'ignore'の4つのオプションがあります。

使用例

以下の例では、dt.round関数を使用して、datetime型データを含むSeriesオブジェクトをさまざまな精度で丸め処理する方法を示します。

import pandas as pd

# データの作成
dates = pd.to_datetime(['2023-03-08 12:01:34', '2023-03-08 12:05:23', '2023-03-08 12:10:12'])
series = pd.Series(dates, name='datetime')

# 秒単位で丸め処理
rounded_series_seconds = series.dt.round('S')

# 分単位で丸め処理
rounded_series_minutes = series.dt.round('T')

# 時間単位で丸め処理
rounded_series_hours = series.dt.round('H')

# 自動的に最適な精度で丸め処理
rounded_series_infer = series.dt.round(infer=True)

# 不明確な時間帯を'NaT'に変換
rounded_series_nat = series.dt.round(ambiguous='NaT')

# 結果の確認
print(rounded_series_seconds)
print(rounded_series_minutes)
print(rounded_series_hours)
print(rounded_series_infer)
print(rounded_series_nat)

出力例

0   2023-03-08 12:01:34
1   2023-03-08 12:05:23
2   2023-03-08 12:10:12
Name: datetime, dtype: datetime64[ns]

0   2023-03-08 12:05:00
1   2023-03-08 12:10:00
2   2023-03-08 12:10:00
Name: datetime, dtype: datetime64[ns]

0   2023-03-08 12:00:00
1   2023-03-08 12:00:00
2   2023-03-08 12:00:00
Name: datetime, dtype: datetime64[ns]

0   2023-03-08 12:01:34
1   2023-03-08 12:05:23
2   2023-03-08 12:10:12
Name: datetime, dtype: datetime64[ns]

0   2023-03-08 12:01:34
1   2023-03-08 12:05:23
2   2023-03-08 12:10:12
Name: datetime, dtype: datetime64[ns]

補足

• dt.round関数は、Seriesオブジェクトだけでなく、DataFrameオブジェクトのdatetime型列に対しても使用できます。
• dt.round関数は、floor関数やceil関数と組み合わせて、

Pandas Seriesにおけるdt.round関数：詳細解説

時間ベースの集計

# データの作成
df = pd.DataFrame({
    'date': pd.to_datetime(['2023-03-08 12:01:34', '2023-03-08 12:05:23', '2023-03-08 12:10:12', '2023-03-09 12:15:00']),
    'value': [1, 2, 3, 4]
})

# 時間単位で集計
df_resampled = df.set_index('date').resample('H').sum()

# 結果の確認
print(df_resampled)

出力例

                value
date
2023-03-08 12:00:00  6
2023-03-09 12:00:00  4

特定の時間帯に焦点を当てる

# データの作成
df = pd.DataFrame({
    'date': pd.to_datetime(['2023-03-08 10:00:00', '2023-03-08 11:00:00', '2023-03-08 12:00:00', '2023-03-08 13:00:00']),
    'value': [1, 2, 3, 4]
})

# 午前中のデータのみ抽出
df_morning = df[df['date'].dt.hour < 12]

# 結果の確認
print(df_morning)

出力例

                date  value
0 2023-03-08 10:00:00      1
1 2023-03-08 11:00:00      2

不明確な時間帯の処理

# データの作成
df = pd.DataFrame({
    'date': pd.to_datetime(['2023-03-12 02:00:00', '2023-03-12 03:00:00'])
})

# 不明確な時間帯を'NaT'に変換
df['date'] = df['date'].dt.round('H', ambiguous='NaT')

# 結果の確認
print(df)

出力例

                date
0 2023-03-12 02:00:00
1 2023-03-12 03:00:00

その他の機能

• dt.round関数は、floor関数やceil関数と組み合わせて、より細かい制御が可能です。
• dt.round関数は、apply関数と組み合わせて、独自の丸め処理を実装することもできます。

応用例

• 特定の時間帯の売上データを分析
• 時間帯ごとの顧客行動を分析
• 定期的なイベントの開催スケジュールを管理

注意点

• dt.round関数は、datetime型データのみ使用できます。
• 丸め処理によって、データの精度が低下する可能性があります。

まとめ

dt.round関数は、時間ベースのデータ分析において非常に便利な関数です。この関数を理解することで、データの粒度を調整したり、特定の時間帯に焦点を当てたりすることができます。

Pandas Seriesにおけるdt.round関数の代替方法

floor関数とceil関数

• floor関数は、datetime型データを切り捨てます。
• ceil関数は、datetime型データを切り上げます。

# データの作成
dates = pd.to_datetime(['2023-03-08 12:01:34', '2023-03-08 12:05:23', '2023-03-08 12:10:12'])
series = pd.Series(dates, name='datetime')

# 秒単位で切り捨て
rounded_series_floor_seconds = series.dt.floor('S')

# 分単位で切り上げ
rounded_series_ceil_minutes = series.dt.ceil('T')

# 結果の確認
print(rounded_series_floor_seconds)
print(rounded_series_ceil_minutes)

出力例

0   2023-03-08 12:01:34
1   2023-03-08 12:05:23
2   2023-03-08 12:10:12
Name: datetime, dtype: datetime64[ns]

0   2023-03-08 12:06:00
1   2023-03-08 12:11:00
2   2023-03-08 12:11:00
Name: datetime, dtype: datetime64[ns]

strftime関数

• strftime関数は、datetime型データを指定されたフォーマット文字列に従って文字列に変換します。

# データの作成
dates = pd.to_datetime(['2023-03-08 12:01:34', '2023-03-08 12:05:23', '2023-03-08 12:10:12'])
series = pd.Series(dates, name='datetime')

# 分単位で丸め処理
rounded_series_strftime = series.dt.strftime('%Y-%m-%d %H:%M:00')

# 結果の確認
print(rounded_series_strftime)

出力例

0   2023-03-08 12:01:00
1   2023-03-08 12:05:00
2   2023-03-08 12:10:00
Name: datetime, dtype: object

自作関数

• 独自の丸め処理を実装したい場合は、自作関数を使用することができます。

def round_to_nearest_hour(dt):
    return dt.replace(minute=0, second=0, microsecond=0)

# データの作成
dates = pd.to_datetime(['2023-03-08 12:01:34', '2023-03-08 12:05:23', '2023-03-08 12:10:12'])
series = pd.Series(dates, name='datetime')

# 最も近い時間に丸め処理
rounded_series_custom = series.apply(round_to_nearest_hour)

# 結果の確認
print(rounded_series_custom)

出力例

0   2023-03-08 12:00:00
1   2023-03-08 12:00:00
2   2023-03-08 12:00:00
Name: datetime, dtype: datetime64[ns]

その他のライブラリ

• pytzライブラリなどの他のライブラリを使用して、datetime型データの丸め処理を行うこともできます。

丸め処理を行う方法はいくつかありますが