如何在Pandas中将Datetime向上取整至最近的5分钟/1小时？

完全可以实现你的需求，Pandas针对datetime类型提供了直接的向上取整方法，结合分组操作就能轻松统计指定间隔内的产品销量。以下是具体实现步骤：

1. 确保Datetime列格式正确 #

首先确认你的销售时刻列是datetime类型，如果不是，先转换：

import pandas as pd

# 转换为datetime类型（如果原列不是的话）
df['sale_time'] = pd.to_datetime(df['sale_time'])

2. 生成向上取整后的Datetime列 #

使用dt.ceil()方法，传入对应的间隔参数即可完成向上取整：

• 向上取整到5分钟间隔：

df['ceil_5min'] = df['sale_time'].dt.ceil('5min')

示例效果：

• 2023-11-16 13:17:32 → 2023-11-16 13:20:00

• 2023-11-16 13:21:09 → 2023-11-16 13:25:00

• 向上取整到1小时间隔：

df['ceil_1h'] = df['sale_time'].dt.ceil('H')

示例效果：

• 2023-11-16 13:17:32 → 2023-11-16 14:00:00
• 2023-11-16 13:21:09 → 2023-11-16 14:00:00

常用的间隔参数还包括：'10min'（10分钟）、'D'（天）、'W'（周）等，可根据需求调整。

3. 按间隔统计销量 #

结合groupby方法，按取整后的时间列（可搭配产品类型等维度）分组，统计销量总和：

• 按产品类型+5分钟间隔统计：

sales_stats_5min = df.groupby(['product_type', 'ceil_5min'])['sales'].sum().reset_index()

• 按1小时间隔统计（不区分产品类型）：

sales_stats_1h = df.groupby('ceil_1h')['sales'].sum().reset_index()

完整示例代码 #

import pandas as pd

# 构造样例数据
data = {
    'sale_time': pd.to_datetime(['2023-11-16 13:17:32', '2023-11-16 13:21:09', '2023-11-16 13:55:20', '2023-11-16 14:02:15']),
    'product_type': ['A', 'B', 'A', 'B'],
    'sales': [5, 3, 2, 4],
    'price': [100, 200, 100, 200]
}
df = pd.DataFrame(data)

# 生成向上取整列
df['ceil_5min'] = df['sale_time'].dt.ceil('5min')
df['ceil_1h'] = df['sale_time'].dt.ceil('H')

# 统计销量
sales_5min = df.groupby(['product_type', 'ceil_5min'])['sales'].sum().reset_index()
sales_1h = df.groupby('ceil_1h')['sales'].sum().reset_index()

print("5分钟间隔销量统计：")
print(sales_5min)
print("\n1小时间隔销量统计：")
print(sales_1h)

输出结果：

5分钟间隔销量统计：
  product_type           ceil_5min  sales
0            A 2023-11-16 13:20:00      5
1            A 2023-11-16 14:00:00      2
2            B 2023-11-16 13:25:00      3
3            B 2023-11-16 14:05:00      4

1小时间隔销量统计：
            ceil_1h  sales
0 2023-11-16 14:00:00      8
1 2023-11-16 15:00:00      4

内容的提问来源于stack exchange，提问作者slow_learner