Python中的Pandas 时间函数 time 、datetime 模块和时间处理基础讲解

Python中的Pandas 时间函数 time、datetime 模块和时间处理基础讲解

在Python中，有很多内置函数和模块能够处理与时间相关的数据。本文将讲解Pandas中的time和datetime模块以及时间处理的基础知识。

时间戳

时间戳以1970年1月1日午夜（格林尼治标准时间）起始的秒数表示一个特定的时间点。在Python中，时间戳可以用time模块的time()函数来获取。

import time

timestamp = time.time()

print(timestamp)

输出结果将是当前时间点的时间戳。如果需要将时间戳转化为可读的日期格式，可以使用datetime模块的datetime类。

from datetime import datetime

timestamp = 1617184607.6190903
dt_object = datetime.fromtimestamp(timestamp)

print("date and time:", dt_object)

输出结果将会是可读的日期格式：date and time: 2021-03-31 13:56:47.6190903。

时间格式表达式

在Python中，有一种叫做时间格式表达式（datetime format string）的字符串格式用来表示不同的时间。格式化字符串可以通过datetime类的strftime()方法来生成。下面是一些常用的格式字符串。

代码	意义	示例
%Y	四位数年份	2021
%y	两位数年份	21
%m	数字月份01-12	03
%d	01-31的日期	31
%H	24小时制小时数	13
%I	12小时制小时数	01-12
%M	分钟数	56
%S	秒数	47

from datetime import datetime

timestamp = 1617184607.6190903
dt_object = datetime.fromtimestamp(timestamp)

print("Date and time:", dt_object.strftime("%Y-%m-%d %H:%M:%S"))

输出结果将会是可读的日期格式：Date and time: 2021-03-31 13:56:47。

Pandas中的时间处理

日期和时间数据是数据分析的重要组成部分。在Pandas中，时间处理是由Timestamp和DatetimeIndex两个类实现的。Timestamp类可以用于处理单个时间戳。DatetimeIndex类可以用于处理时间序列数据。

import pandas as pd

date = "2021-03-31"
time = "13:56:47"

datetime = pd.to_datetime(date+' '+time)

print(datetime)

输出结果将会是一个 pandas._libs.tslibs.timestamps.Timestamp 对象：2021-03-31 13:56:47。

Pandas还提供了不同的时间频率（time frequency）来帮助时间序列数据的处理。例如，pandas.date_range()函数可以用于生成一系列以指定频率出现的日期时间值。

import pandas as pd

datetime_index = pd.date_range(start="2021-03-31", end="2021-04-01", freq="H")

print(datetime_index)

输出结果将会是一个DatatimeIndex对象，包含每小时时间戳的序列。

DatetimeIndex(['2021-03-31 00:00:00', '2021-03-31 01:00:00',
               '2021-03-31 02:00:00', '2021-03-31 03:00:00',
               '2021-03-31 04:00:00', '2021-03-31 05:00:00',
               '2021-03-31 06:00:00', '2021-03-31 07:00:00',
               '2021-03-31 08:00:00', '2021-03-31 09:00:00',
               '2021-03-31 10:00:00', '2021-03-31 11:00:00',
               '2021-03-31 12:00:00', '2021-03-31 13:00:00',
               '2021-03-31 14:00:00', '2021-03-31 15:00:00',
               '2021-03-31 16:00:00', '2021-03-31 17:00:00',
               '2021-03-31 18:00:00', '2021-03-31 19:00:00',
               '2021-03-31 20:00:00', '2021-03-31 21:00:00',
               '2021-03-31 22:00:00', '2021-03-31 23:00:00',
               '2021-04-01 00:00:00'],
              dtype='datetime64[ns]', freq='H')

本文讲解了Python中的时间处理的基本知识和Pandas中的时间处理。在实际的数据处理过程中，这些知识会帮助我们更好地处理时间序列数据并更好地进行分析。

示例1

下面的示例演示了如何将Pandas中的时间数据导出为Excel文件。

import pandas as pd

date = "2021-03-31"
time = "13:56:47"

datetime = pd.to_datetime(date + ' ' + time)

df = pd.DataFrame({"date": [datetime]})
df.to_excel("time_example.xlsx", index=False)

将得到一个time_example.xlsx的Excel文件，其中包含日期和时间信息。

示例2

下面的示例演示了如何使用Pandas在数据框中计算两个日期之间的时间差。

import pandas as pd

start_date = "2021-03-31"
end_date = "2021-04-01"

df = pd.DataFrame({"start_date": [start_date], "end_date": [end_date]})

df['diff_days'] = (pd.to_datetime(df['end_date']) - pd.to_datetime(df['start_date'])).dt.days

print(df)

输出结果将会是一个数据框，其中包含了这两个日期之间的天数差：

	start_date	end_date	diff_days
0	2021-03-31	2021-04-01	1

以上是本文对于Python中的Pandas时间函数time、datetime模块和时间处理的基础知识的讲解和实例演示。