<p>直接对时间戳用 round() 会出错，必须先除以目标单位（如60秒/分钟），再 round()，最后乘回；例如四舍五入到分钟：round(timestamp / 60) 60，小时同理为 round(timestamp / 3600) 3600。</p>
用 round() 直接处理时间戳数值会出错
时间戳是浮点数（单位秒），但直接对它 round(timestamp, 0) 只是四舍五入到秒，不是“最近的分钟”。更危险的是，round(1698765432.7, -1) 这类操作会按十进制位数截断，完全不对应时间单位。关键在于：必须先换算成目标单位（如分钟=60秒、小时=3600秒），再四舍五入，最后转回秒。
四舍五入到最近的分钟：除以60 → round → 乘以60
这是最常用且安全的做法。注意不要用 datetime 转换再取整，那样引入时区和 DST 风险，纯数值运算最稳。
rounded_to_minute = round(timestamp / 60) * 60- 例如
timestamp = 1698765432.4（对应 2023-10-30 14:57:12.4），结果是1698765420.0（即 14:57:00） - 如果要保留原始小数精度（比如毫秒级输入），先转成整数秒再操作：
round(int(timestamp) / 60) * 60
四舍五入到最近的小时：除以3600 → round → 乘以3600
逻辑同上，只是单位换算系数变成 3600。特别注意边界行为：比如 1698765599.9（23:59:59.9）会被 round 到 1698765600.0（即第二天 00:00:00），这是正确的时间语义。
rounded_to_hour = round(timestamp / 3600) * 3600- 若需向下取整（如“本小时开始”），改用
int(timestamp // 3600) * 3600；向上取整用(int(timestamp // 3600) + 1) * 3600 - 避免用
datetime.replace(minute=0, second=0, microsecond=0)，它强制截断而非四舍五入
批量处理 NumPy 数组时别忘了用 np.round()
如果你在处理 pandas Series 或 NumPy ndarray，直接用 Python 内置 round() 会报错或逐元素慢。必须用向量化函数。
立即学习“Python免费学习笔记（深入）”；
- NumPy 示例：
np.round(timestamps / 60) * 60，其中timestamps是 float64 数组 - pandas 中可直接链式调用：
df['ts'].apply(lambda x: round(x / 60) * 60)，但更高效的是(df['ts'] / 60).round().astype(int) * 60 - 注意
np.round()默认返回 float，若需整数类型，显式加.astype(int)
实际中容易忽略的是：时间戳是否带毫秒精度、是否来自不同系统（如 JavaScript 的毫秒时间戳需先除以 1000），还有四舍五入后要不要转成 datetime 显示——那一步建议只在最终展示时做，中间计算全程保持数值型。
