Python中处理日期时间库的使用方法(转载)

时间:2023-03-09 18:10:08
Python中处理日期时间库的使用方法(转载)

《本文来自公众号“大邓带你玩python”,转载》

用百分之20时间,学会解决百分之80的问题。

常用的库有time、datetime。其中datetime库是对time库的封装,所以使用起来更加便捷。date是指日期时间(年月日)处理,time往往更加细小的单位(小时分秒等)的时间处理。

一、datetime

  • datetime.date

表示日期的类,常用的属性有year、month、day。参数都为整数。

import datetime 

#任何一天
someday = datetime.date(year=2018,month=1,day=1)
someday
datetime.date(2018, 1, 1)

日期的标准化格式符号

%a  星期的简写。如 星期三为Web
%A  星期的全写。如 星期三为Wednesday
%b  月份的简写。如4月份为Apr
%B  月份的全写。如4月份为April 
%c:  日期时间的字符串表示。(如: 04/07/10 10:43:39
%d:  日在这个月中的天数(是这个月的第几天)
%f:  微秒(范围[0,999999]
%H:  小时(24小时制,[0, 23]
%I:  小时(12小时制,[0, 11]
%j:  日在年中的天数 [001,366](是当年的第几天)
%m:  月份([01,12]
%M:  分钟([00,59]
%p:  AM或者PM
%S:  秒(范围为[00,61],为什么不是[00, 59]
%U:  周在当年的周数当年的第几周),星期天作为周的第一天
%w:  今天在这周的天数,范围为[0, 6],6表示星期天
%W:  周在当年的周数(是当年的第几周),星期一作为周的第一天
%x:  日期字符串(如:04/07/10
%X:  时间字符串(如:10:43:39
%y:  2个数字表示的年份
%Y:  4个数字表示的年份
%z:  与utc时间的间隔 (如果是本地时间,返回空字符串)
%Z:  时区名称(如果是本地时间,返回空字符串)

以规定的格式返回。

print(someday.strftime('%Y-%m-%d'))
2018-01-01 print(someday.strftime('%Y/%m/%d'))
2018/01/01

生成如‘2018-01-01’

someday.isoformat()
'2018-01-01'

今天

datetime.date.today()
datetime.date(2018, 2, 27)

根据给定的时间戮,返回一个date对象

import time

datetime.date.fromtimestamp(time.time())
datetime.date(2018, 1, 4)
  • datetime.time

表示时间的类,参数包括hour、minute、second、microsecond。 time类的方法同datetime类。

看看isoformatstrftime方法会返回什么

sometime = datetime.time(hour=12,minute=50,second=12,microsecond=10)
sometime
datetime.time(12, 50, 12, 10)

时间的格式化处理

print(sometime.isoformat())
12:50:12.000010 print(sometime.strftime('%H:%M:%S'))
12:50:12 print(sometime.strftime('%H::%M::%S'))
12::50::12
  • datetime.datetime

日期实践类,常用的参数包含year、month、day、hour、minute、second、microsecond。但是至少要包含year、month、day三个参数。

datetime.datetime(year=2018,month=1,day=1,hour=12,minute=50,second=12,microsecond=10)
datetime.datetime(2018, 1, 1, 12, 50, 12, 10)

只含有年月日

datetime.datetime(2018,1,1)
datetime.datetime(2018, 1, 1, 0, 0)

看看isoformatstrftime方法会返回什么

somedatetime = datetime.datetime(2018,1,1) 

#isoformat、strftime
print(somedatetime.isoformat())
2018-01-01T00:00:00 print(somedatetime.strftime('%Y-%m-%d %H:%M:%S'))
2018-01-01 00:00:00
  • datetime.timedelta

表示时间间隔类,给一个时间点加上此类,即可得到一个新的时间。参数包含days、hours、minutes、seconds、microseconds。

#1天零1小时零1分零1秒又10毫秒的时间间隔 

datetime.timedelta(days=1,hours=1,minutes=1,seconds=1,microseconds=10)
datetime.timedelta(1, 3661, 10)

35天间隔

datetime.timedelta(days=35)
datetime.timedelta(35)

现在+/-时间间隔操作

print(datetime.datetime.now())
2018-01-04 23:59:37.437627 print(datetime.datetime.now()+datetime.timedelta(days=35))
2018-02-08 23:59:37.438283 print(datetime.datetime.now()-datetime.timedelta(days=35))
2017-11-30 23:59:37.438775 print(datetime.datetime.now()-datetime.timedelta(hours=10))
2018-01-04 13:59:37.438987 print(datetime.datetime.now()-datetime.timedelta(hours=10,days=1))
2018-01-03 13:59:37.439190

二、time

常用的方法有time、localtime

import time

timestamp = time.time()
print('时间戳: ',timestamp)
时间戳: 1515081476.966094 locaoltime = time.localtime(timestamp)
print('当地时间: ',locaoltime)
当地时间: time.struct_time(tm_year=2018, tm_mon=1, tm_mday=4, tm_hour=23, tm_min=57, tm_sec=56, tm_wday=3, tm_yday=4, tm_isdst=0) #转化为有格式的时间,如只显示年月日
print(time.strftime('%Y-%m-%d %H:%M:%S',locaoltime))
2018-01-04 23:57:56

三、pandas库时间处理函数

获取当前时间,并返回年月日规范格式。形如 2017-01-04

常用的方法有:

pd.date_range() 生成一个时间段
pd.bdate_range() 生成一个时间段,跟date_range()不同,可见下面代码
df.asfreq() 生成以一定时间间隔的序列
  • 根据始末时间生成时间段

pd.date_range(start, end, freq) 生成一个时间段

freq参数由英文(M D H Min 。。。)、英文数字结合。D表示一天,M表示一月如20D表示20天,5M表示5个月。

#生成20171011-20171030
pd.date_range('', '',freq='5D')
DatetimeIndex(['2017-10-11', '2017-10-16', '2017-10-21', '2017-10-26'], dtype='datetime64[ns]', freq='5D')
  • 根据起始向后生成时间段

pd.date_range(日期字符串, periods=5, freq='T') 生成一个时间段

periods 时间段长度,整数类型

freq 时间单位。月日时分秒。M D H ...

import pandas as pd
#20171231 12:50时间点开始,生成以月为间隔,长度为5的时间段
tm_rng = pd.date_range('20171231 12:50',periods=5,freq='M') print(type(tm_rng))
DatetimeIndex(['2017-12-31 12:50:00', '2018-01-31 12:50:00','2018-02-28 12:50:00', '2018-03-31 12:50:00', print(tm_rng)
<class 'pandas.core.indexes.datetimes.DatetimeIndex'>
'2018-04-30 12:50:00'],dtype='datetime64[ns]', freq='M')
  • 根据给定时间点向前(向后)生成时间段

pd.bdate_range(end,periods,freq) 根据end时间点开始,以freq为单位,向前生成周期为period的时间序列

pd.bdate_range(start,periods,freq) 根据start时间点开始,以freq为单位,向后生成周期为period的时间序列

#向前5天
print(pd.bdate_range(end='',periods=5,freq='D'))
DatetimeIndex(['2017-12-28', '2017-12-29', '2017-12-30', '2017-12-31','2018-01-01'],dtype='datetime64[ns]', freq='D') #向后5天
print(pd.bdate_range(start='',periods=5,freq='D'))
DatetimeIndex(['2018-01-01', '2018-01-02', '2018-01-03', '2018-01-04','2018-01-05'],dtype='datetime64[ns]', freq='D')

改变时间间隔

对dateframe或者series对象操作,更改对象中时间的时间间隔。
dateframe.asfreq(freq='时间间隔',method='填充方式',fill_value='对Nan值进行填充')
freq格式:M D H Min 。。。与数字结合。如20D表示20天,5M表示5个月。 
method:有pad、backfill两种填充方式
fill_value:缺失值更改为fill_value的值。
#改变时间间隔,以20天为间隔
tm_series.asfreq('20D',method='pad')
2017-12-31 12:50:00 0
2018-01-20 12:50:00 0
2018-02-09 12:50:00 1
2018-03-01 12:50:00 2
2018-03-21 12:50:00 2
2018-04-10 12:50:00 3
2018-04-30 12:50:00 4
Freq: 20D, dtype: int64 #改变时间间隔,以20天为间隔
tm_series.asfreq('20D',method='backfill')
2017-12-31 12:50:00 0
2018-01-20 12:50:00 1
2018-02-09 12:50:00 2
2018-03-01 12:50:00 3
2018-03-21 12:50:00 3
2018-04-10 12:50:00 4
2018-04-30 12:50:00 4
Freq: 20D, dtype: int64 #改变时间间隔,以100小时为间隔
tm_series.asfreq('100H')
2017-12-31 12:50:00 0.0
2018-01-04 16:50:00 NaN
2018-01-08 20:50:00 NaN
2018-01-13 00:50:00 NaN
.....
2018-04-10 12:50:00 NaN
2018-04-14 16:50:00 NaN
2018-04-18 20:50:00 NaN
2018-04-23 00:50:00 NaN
2018-04-27 04:50:00 NaN
Freq: 100H, dtype: float64 #改变时间间隔,以100小时为间隔
tm_series.asfreq('100H',fill_value='缺失值')
2017-12-31 12:50:00 0
2018-01-04 16:50:00 缺失值
2018-01-08 20:50:00 缺失值
2018-01-13 00:50:00 缺失值
.....
2018-04-14 16:50:00 缺失值
2018-04-18 20:50:00 缺失值
2018-04-23 00:50:00 缺失值
2018-04-27 04:50:00 缺失值
Freq: 100H, dtype: object
  • 可以统一日期格式

data = pd.Series(['May 20, 2017','2017-07-12','','2017/10/11','2017 12 11']) 

pd.to_datetime(data)
0 2017-05-20
1 2017-07-12
2 2017-09-30
3 2017-10-11
4 2017-12-11
dtype: datetime64[ns]
  • 提取指定日期的数据

如下tm_rng是以5小时时间间隔,生成了20个数据。我们只要2018-01-02的数据。对Series或Dataframe都可以使用日期字符串操作,选取指定时间范围的数据。

import pandas as pd
import numpy as np tm_rng = pd.date_range('2017-12-31 12:00:00',periods=20,freq='5H')
tm_series = pd.Series(np.random.randn(len(tm_rng)), index=tm_rng)
print(type(tm_series)) print(tm_series)
<class 'pandas.core.series.Series'>
2017-12-31 12:00:00 0.618465
2017-12-31 17:00:00 -0.963631
2017-12-31 22:00:00 -0.782348
.....
2018-01-04 06:00:00 -0.681123
2018-01-04 11:00:00 -0.710626
Freq: 5H, dtype: floa64 #我们只要tm_series中是2018-01-02的数据
tm_series['2018-01-02']
2018-01-02 04:00:00 0.293941
2018-01-02 09:00:00 -1.437363
2018-01-02 14:00:00 -0.527275
2018-01-02 19:00:00 1.140872
Freq: 5H, dtype: float64 #我们要2018年的数据,结果全保留
tm_series['']
2018-01-01 03:00:00 -0.363019
2018-01-01 08:00:00 0.426922
2018-01-01 13:00:00 -1.118425
2018-01-01 18:00:00 0.956300
.....
2018-01-03 20:00:00 -1.967839
2018-01-04 01:00:00 -0.654029
2018-01-04 06:00:00 -0.681123
2018-01-04 11:00:00 -0.710626
Freq: 5H, dtype: float64
dft = pd.DataFrame(np.random.randn(len(tm_rng)), index=tm_rng) print(type(dft))
print(dft)
<class 'pandas.core.frame.DataFrame'> 2017-12-31 12:00:00 0.213331
2017-12-31 17:00:00 1.920131
2017-12-31 22:00:00 -1.608645
2018-01-01 03:00:00 -0.226439
2018-01-01 08:00:00 -0.558741
..... 2018-01-03 20:00:00 0.866822
2018-01-04 01:00:00 -0.361902
2018-01-04 06:00:00 0.902717
2018-01-04 11:00:00 -0.431569 #对dataframe中的时间操作,只要2018-01-04日的数据
print(type(dft['2018-01-04']))
print(dft['2018-01-04'])
<class 'pandas.core.frame.DataFrame'> 2018-01-04 01:00:00 -0.361902
2018-01-04 06:00:00 0.902717
2018-01-04 11:00:00 -0.431569