Pandas中时间的处理方法

使用 pandas 中的 Timestamp 中的 floor() 处理时间

Pandas Timestamp.floor()将新的时间戳返回到此分辨率，将所需的时间序列频率作为输入。

ts = pd.Timestamp(year=2011, month=11, day=21, hour=10, second=49, tz='US/Central')
print(ts) --》 2011-11-21 10:00:49-06:00
print(ts.floor(freq='D')) --》   2011-11-21 00:00:00-06:00
print(ts.floor(freq="T")) --》   2011-11-21 10:00:00-06:00
print(ts.floor(freq="min")) --》 2011-11-21 10:00:00-06:00
print(ts.floor(freq="min")) --》 2011-11-21 10:01:00-06:00
print(ts.floor(freq="min")) --》 2011-11-21 10:01:00-06:00

freq='D'：以天为频率，'T'：以分钟为频率，'min'：与 T 的效果一致

ceil() 和 round() 的用法类似，区别和math中的 ceil() 和 round() 类似

使用pandas处理时间，Timestamp(时间戳)是pandas继承自datetime.datetime的类。专门处理DataFrame中关于时间的类型。时间戳由date(日期)和time(时间组成)；日期year,month和day组成；时间由hour、minute和second组成。

timedelta在pandas中表示时间间隔，也就是时间差，是两个时间之间差值，可以是几年，几个月或者几天，也可以是几小时之类的时间。因为是时间差，因此既可以是正数，也可以是负数。

时间数据的读取

1. 时间戳格式：导入时使用excel已经设置好了是时间格式，pandas自动转Timestamp格式。
2. 字符串格式：文本格式，或从txt文本导入，或从List列表转换。是str格式，可用pd.to_datetime()将字符串转为Timestamp格式了。

将字符串转化为时间戳格式，这是所有时间类处理的第一步；

时间戳属性：

将时间戳转为需要格式的方法：

时间间隔计算：继承datetime.timedelta类，计算结果返回的是一个timedelta类型。

时间间隔的函数主要是对时间间隔计算，转换为标准格式，求总秒数等基础运算。 

上面都是对单个对象的处理，对pandas的整列数据(Series)处理，需要用 dt 属性借口。(提供了cat、dt、str 三种属性接口)，dt 的属性跟之前的时间戳没有区别。 

时间加减操作；主要是在加减时，要把int转为timedelta对象才能正常的计算结果；

# 加一天并只显示日期
data['加一天'] = data['时间'].dt.date+pd.to_timedelta(1, unit='D')
# 加一小时
data['加一小时'] = data['时间']+pd.to_timedelta(1, unit='h')

Pandas 生成 TimeStamp 数据：

pandas.to_datetime(['20221001010000']) -> 2022-10-01 01:00:00

或

pandas.to_datetime({'year': [2015] * num, 'month': [9] * num, 'day': [4, 5, 6], 'hour': [0, 1, 2]})

key值不能变，否则无法识别，value值数量要一致

参考：Python Pandas Timestamp.floor用法及代码示例 - 纯净天空

干货｜python办公自动化（一）—数据处理之Pandas时间处理（一篇读懂时间） - 知乎