将 pandas 时间戳系列舍入到秒 - 然后保存到没有 ms/ns 分辨率的 csv

Question

我有一个数据框，df，索引为：pd.DatetimeIndex。使用出色的 pandas 舍入命令将各个时间戳从 2017-12-04 08:42:12.173645000 更改为 2017-12-04 08:42:12：

df.index = df.index.round("S")

当存储到 csv 时，会保留这种格式（这正是我想要的）。我还需要一个仅限日期的列，现在很容易创建：

df = df.assign(DateTimeDay = df.index.round("D"))

当使用 df.to_csv() 存储到 csv 文件时，这会写出整个时间戳 (2017-12-04 00:00:00)，除非它是唯一要保存的列。所以，我在保存前添加了以下命令：

df["DateTimeDay"] = df["DateTimeDay"].dt.date

...csv 文件又看起来不错了 (2017-12-04)

问题描述

现在回到这个问题，我还有另外两列的时间戳与上面的格式相同（但不同 - 并且 - 有一些非常少的 NaN）。我还想将这些四舍五入到秒（当然将 NaN 保留为 NaN），然后确保在写入 csv 时，它们不会用“低于第二分辨率”的零填充。无论我尝试什么，我都无法做到这一点。

其他信息：

print(df.dtypes)
print(df.index.dtype)

...所有结果都是datetime64[ns]。如果我将它们转换为索引：

df["TimeCol2"] = pd.DatetimeIndex(df["TimeCol2"]).round("s")
df["TimeCol3"] = pd.DatetimeIndex(df["TimeCol3"]).round("s")

...它可以工作，但 csv 文件仍然用不需要和不必要的零填充它们。

最佳解决方案：除非它们很快（100+ 百万行），否则不转换列（如上）或使用元素方式应用。我的梦想命令是这样的：

df["TimeCol2"] = df["TimeCol2"].round("s") # Raises TypeError: an integer is required (got type str)

Answer 1

您可以在调用to_csv时为datetime dtypes指定日期格式：

In[170]:
df = pd.DataFrame({'date':[pd.to_datetime('2017-12-04 07:05:06.767')]})
df

Out[170]: 
                     date
0 2017-12-04 07:05:06.767

In[171]:
df.to_csv(date_format='%Y-%m-%d %H:%M:%S')

Out[171]: ',date\n0,2017-12-04 07:05:06\n'

如果要对值进行四舍五入，则需要在写入 csv 之前round：

In[173]:
df1 = df['date'].dt.round('s')
df1.to_csv(date_format='%Y-%m-%d %H:%M:%S')

Out[173]: '0,2017-12-04 07:05:07\n'