Python 之 Pandas 时间函数 time 、datetime 模块和时间处理基础

• Python 中提供了对时间日期的多种多样的处理方式，主要是在 time 和 datetime 这两个模块里。

一、time 模块

• time 模块不牵扯时区的问题，便于计算。
• （1） timestamp 时间戳，时间戳表示的是从 1970 年 1 月 1 日 00:00:00 开始按秒计算的偏移量。
• （2） struct_time 时间元组，共有九个元素组。
• （3） format time 格式化时间，已格式化的结构使时间更具可读性。包括自定义格式和固定格式。

1、时间格式转换图

• 主要 time 生成方法和 time 格式转换方法实例如下：
• 首先，我们导入 time 模块，便于我们后续的操作。

import time

• 然后，我们生成 timestamp ，他是一个浮点型数据。

time.time()
#1676978808.2162082

• 将其转化为整型数据。

int(time.time())
#1676978809 

• 我们可以知道一个程序消耗的时间，通过设置程序开始时间和程序结束时间，中间执行一个循环语句，这里以累加到 10000 为例。

start_time = time.time() 
s = "" 
for i in range(10000):     
s += str(i) ​ 
end_time = time.time() ​ 
print("程序消耗时间=",end_time-start_time) 
#程序消耗时间= 0.0039615631103515625 

• 我们也可以通过 time 模块调用本地时间，通过生成 struct_time 完成。

my_time = time.localtime() 
print(my_time) ​ 
print(my_time.tm_year) 
print(my_time.tm_mon) 
print(my_time.tm_mday) 
#time.struct_time(tm_year=2023, tm_mon=2, tm_mday=21, tm_hour=19, tm_min=26, tm_sec=58, #tm_wday=1, tm_yday=52, tm_isdst=0) 
#2023 
#2 
#21 

• 我们可以将 timsstamp 转化为 struct_time。

time.localtime(1650177058) 
#time.struct_time(tm_year=2022, tm_mon=4, tm_mday=17, tm_hour=14, tm_min=30, tm_sec=58, #tm_wday=6, tm_yday=107, tm_isdst=0) 

• 可以将格式化字符串输入到 struct_time。

time.strptime('2011-05-05 16:37:06', '%Y-%m-%d %X') 
#time.struct_time(tm_year=2011, tm_mon=5, tm_mday=5, tm_hour=16, tm_min=37, tm_sec=6, #tm_wday=3, tm_yday=125, tm_isdst=-1) 

• 我们也可以将格式化字符串时间反向转变为秒钟数。

time.mktime(time.strptime('2011-05-05 16:37:06', '%Y-%m-%d %X')) 
#1304584626.0 

• 我们可以生成 format_time，产生满足我们格式要求的时间。
• 示例 1：

#struct_time to format_time time.strftime("%Y-%m-%d %X") 
time.strftime("%Y-%m-%d %X",time.localtime()) 
#time.strftime("%Y-%m-%d %X",time.localtime())
#'2023-02-21 19:27:05' #生成format_time 

• 示例 2：

#struct_time to format_time 
time.strftime("%Y-%m-%d") 
#time.strftime("%Y-%m-%d %X",time.localtime())
#'2023-02-21'

• 示例 3：

#struct_time to format_time 
time.strftime("%m-%d-%Y") 
#time.strftime("%Y-%m-%d %X",time.localtime())
#'02-21-2023'

2. struct_time 元组元素结构

• 其具体元素结构可见下述表格。

属性	值
tm_year（年）	xxxx 年，比如 2011
tm_mon（月）	1 - 12
tm_mday（日）	1 - 31
tm_hour（时）	0 - 23
tm_min（分）	0 - 59
tm_sec（秒）	0 - 61
tm_wday（weekday）	0 - 6（0表示周日）
tm_yday（一年中的第几天）	1 - 366
tm_isdst（是否是夏令时）	默认为-1

• 其具体如下作用：
• （1） 取得时间戳/时间格式的字符串中对应的年/月/日等信息。
• （2） 作为时间戳和字符串时间之间的桥梁。
• 具体可见如下示例：

time_stuct = time.strptime('2011-05-07 16:37:06', '%Y-%m-%d %X') 
print(time_stuct.tm_year) 
print(time_stuct.tm_mon) 
print(time_stuct.tm_mday) 
print(time_stuct.tm_hour) 
print(time_stuct.tm_min) 
my = 'aaa' 
'%s'% my 
my_int = 1 
'%d'% my_int  
"我们在{}工作".format('家里') 
addr = "家里"  
f"我们在{addr}工作"
#2011 
#5 
#7 
#16 
#37 
#'我们在家里工作'

3. format time 结构化表示

• 其具体含义可见下述表格。

属性	含义
%Y -年	[0001，…，2018，2019，…，9999]
%m -月	[01，02，…，11，12]
%d -天	[01，02，…，30，31]
%M -分钟	[00，01，…，58，59]
%S -秒	[00，01，…，58，61]
%X	本地相应时间
%y	去掉世纪的年份（00 - 99）

• 常见的结构化时间组合有如下几种：
• 示例 1：

time.strftime("%Y-%m-%d %X")
#'2023-02-21 20:55:40'

• 示例 2：

time.strftime("%Y-%m-%d")
#'2023-02-21'

• 示例 3：

time.strftime("%m")
#'02'

• 我们可以通过 time 运算获取我们想要的时间点，并按 %Y-%m-%d %X 的形式表达出来。

import time 
t1 = time.time() 
t2=t1+24*60*60  
time.strftime("%Y-%m-%d %X",time.localtime(t2))
#'2023-02-22 21:02:38'

• 或者通过 time 进行暂停操作，例如火箭发射，我们在循环结束后暂停 1s，然后进行下一个语句。

# 倒计时 
for i in range(5):print('\r',' %s 秒！' % (5-i), end='')# 暂停1s后运行     time.sleep(1) 
print('\r',"发射!!!!")
#发射!!!!

二、datetime 模块

• datatime 模块重新封装了time模块，提供更多接口，提供的类有：date，time，datetime、timedelta，tzinfo 等。

1. date类

• 其语法模板如下：

datetime.date(year, month, day)

• 有静态方法和字段两种方法。
• date.today()：返回一个表示当前本地日期的date对象。
• date.fromtimestamp(timestamp)：根据给定的时间戮，返回一个date对象。
• 具体可见如下示例：
• 示例 1：

from datetime import date 
import time 
print('date.today():', date.today()) 
print('date.fromtimestamp():', date.fromtimestamp(time.time()))
#date.today(): 2023-02-21 
#date.fromtimestamp(): 2023-02-21

• 示例 2：

from datetime import date 
print(type(date.fromtimestamp(1650177058))) 
print(date.fromtimestamp(1650177058))
#<class 'datetime.date'> 
#2022-04-17

2. 方法和属性

• 可以通过 d1 = date(2011,06,03) 生成 date 对象 。
• 其具体含义可见下述表格。

属性	含义
d1.year	年
d1.month	月
d.day	日
d1.replace(year, month, day)	生成一个新的日期对象，用参数指定的年，月，日代替原有对象中的属性。（原有对象仍保持不变）
d1.timetuple()	返回日期对应的time.struct_time对象
d1.weekday()	返回weekday，如果是星期一，返回0；如果是星期2，返回1，以此类推
d1.isoweekday()	返回weekday，如果是星期一，返回1；如果是星期2，返回2，以此类推
d1.isoformat()	返回格式如’YYYY-MM-DD’的字符串
d1.strftime(fmt)	和 time 模块 forma t相同

• 具体可见如下示例：
• 示例 1：我们将 day 参数指定为 1。

now = date.today() 
now 
print(now.replace(day=1))
#2023-02-01

• 示例 2：同示例 1，但是换了一种函数写法。

date.today().replace(day=1)
#datetime.date(2023, 2, 1)

• 示例 3：直接使用 now 函数生成当前日期。

now 
#datetime.date(2023, 2, 21)

• 示例 4：直接使用 now.isoformat() 函数生成 YYYY-MM-DD 格式的当前日期。

now.isoformat() 
#'2023-02-21'

• 示例 5：直接使用 now.isoweekday() 函数生成周几，返回对应的数字。

now.isoweekday() 
#2 

• 示例 6：使用 now.strftime() 函数自定义输出格式。

#'2022.04.18'  自定义输出格式 
now.strftime('%Y.%m.%d') 
#'2023.02.21'

• 示例 7：

now = date(2021, 10, 26) 
print(now.year,now.month,now.day) 
tomorrow = now.replace(day = 1) 
print('now:', now, ', 当月第一天:', tomorrow) 
print('timetuple():', now.timetuple())  
print('weekday():', now.weekday()) 
print('isoweekday():', now.isoweekday()) 
print('isoformat():', now.isoformat()) 
print('strftime():', now.strftime("%Y.%m.%d")) 
#2021 10 26 
#now: 2021-10-26 , 当月第一天: 2021-10-01 
#timetuple(): time.struct_time(tm_year=2021, tm_mon=10, tm_mday=26, tm_hour=0, tm_min=0, tm_sec=0, tm_wday=1, tm_yday=299, tm_isdst=-1) 
#weekday(): 1 
#isoweekday(): 2 
#isoformat(): 2021-10-26 
#strftime(): 2021.10.26

3. datetime 类

• datetime 相当于 date 和 time 结合起来。
• 其语法模板如下：

datetime.datetime (year, month, day[ , hour[ , minute[ , second[ , microsecond[ , tzinfo] ] ] ] ] )

• datetime.today()：返回一个表示当前本地时间的 datetime 对象。
• datetime.now([tz])：返回一个表示当前本地时间的 datetime 对象，如果提供了参数 tz，则获取 tz 参数所指时区的本地时间。
• datetime.fromtimestamp(timestamp[, tz])：根据时间戮创建一个 datetime 对象，参数 tz 指定时区信息。
• datetime.strptime(date_string, format)：将格式字符串转换为 datetime 对象。
• 我们可以将 datetime 转化为指定格式的字符串。

from  datetime import datetime 
now = datetime.now() 
print(type(now))
print(now.strftime('%Y-%m-%d %X'))
print(now.strftime('%Y-%m-%d %H:%M'))
#<class 'datetime.datetime'> 
#2023-02-21 21:45:25 
#2023-02-21 21:45

• 对于 2021-11-25 10:23 这类的字符串，我们可以使用 strptime 将其转化为 datetime。
• 需要注意的是，将字符串转化为 datetime 数据类型，格式需要统一。

my_str = '2021-11-10 10:23' 
print(datetime.strptime(my_str,'%Y-%m-%d %H:%M'))
my_str = '10/11/2021 10:23' 
datetime.strptime(my_str,'%d/%m/%Y %H:%M')
#2021-11-10 10:23:00 
#datetime.datetime(2021, 11, 10, 10, 23)

• 汇总一下，见下方例子。

from  datetime import * 
import time 
now = datetime.now() 
print('today():', datetime.today()) 
print('now():', datetime.now()) 
print('fromtimestamp(tmstmp):', datetime.fromtimestamp(time.time()))    
print('datetime.strptime(date_string, format):',datetime.strptime('2022-03-21', "%Y-%m-%d"))  
#today(): 2023-02-21 21:45:28.141748 
#now(): 2023-02-21 21:45:28.141748 
#fromtimestamp(tmstmp): 2023-02-21 21:45:28.141748 
#datetime.strptime(date_string, format): 2022-03-21 00:00:00

三、timedelta 类的时间加减

• 使用 timedelta 可以很方便的在日期上做天 days，小时 hour，分钟 minute，秒 second，毫秒 millisecond，微秒 microsecond 的时间计算，如果要计算月份则需要另外的办法。
• 具体可见如下示例。
• 示例 1（加上 -1 和减 1 是相同的）：

from  datetime import datetime 
from  datetime import timedelta 
dt = datetime.now() 
#日期减一天 
dt_1 = dt + timedelta(days=-1)   #昨天  
dt_11 = dt - timedelta(days=1)   #昨天  
dt3 = dt + timedelta(days=1)   #明天  
print("dt3:",dt_1)  
print("dt_11:",dt_11)  
print("dt3:",dt3)
#dt3: 2023-02-20 22:11:28.388926 
#dt_11: 2023-02-20 22:11:28.388926 
#dt3: 2023-02-22 22:11:28.388926

• 示例 2（可以使用 s.total_seconds 返回在该时间实例的给定持续时间内覆盖的总秒数 ）：

# 明天的datetime  - 昨天的datetime 
s= dt3 - dt_1 
print(s.days) 
print(s.total_seconds())
#2 
#172800.0

• 示例 3：

delta_obj = dt3-dt 
print(type(delta_obj),delta_obj)#<type 'datetime.timedelta'> 1 day, 0:00:00 
# total_seconds():返回在该时间实例的给定持续时间内覆盖的总秒数 
print(delta_obj.days ,delta_obj.total_seconds())#1 86400.0
#<class 'datetime.timedelta'> 1 day, 0:00:00 
#1 86400.0

四、时间处理基础

• Pandas 提供了四种类型的生成日期时间的对象：日期时间、时间增量、时间跨度、日期偏移量。
• （1） 日期时间（Date Times）：具有时区支持的特定日期和时间。与 Python 标准库中的 datetime.datetime 类似。如 2020 年 12 月 6 日 13 点 37 分 50 秒.
• （2） 时间增量（Time Deltas）：绝对持续时间，用于在指定时间点基础上增加指定的增量，如在某年月日的基础上增加 2 天、增加 2 个月、减少 4 小时等，最后产生一个新的时间点。
• （3） 时间跨度（Time Span）：由时间点及其相关周期定义的时间跨度，如连续产生一年四个季度的时间序列。
• （4） 日期偏移（Date Offsets）：以日历计算的相对持续时间，表示时间间隔，两个时间点之间的长度，如日、周、月、季度、年。

概念	标量类	数组类	Pandas 数据类型	主要建立方法
日期时间（Date Times）	Timesstamp 时间戳	DatetimeIndex 时间索引	datetime64[ns]、datetime64[ns,tz]	to datetime()、date_range()
时间增量（Time Deltas）	Timedelta 时间增量	Timedeltalndex 时间增量索引	timedelta[ns]	to timedelta()、timedelta range()
时间跨度（Time Span）	Period 时间周期	PeriodIndex 周期索引	period[freq]	Period()、period_range()
日期偏移（Date Offsets）	DateOffset	None	None	DateOffset()

• 一般情况下，时间序列主要是 Series 或 DataFrame 的时间型索引，可以用时间元素进行操控。