python 时间格式数据处理

Marst·Writer

已于 2023-10-27 17:25:41 修改

阅读量621

点赞数 1

分类专栏：数据处理文章标签： python

于 2022-07-27 10:35:12 首次发布

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/marst437730201/article/details/126008774

版权

数据处理专栏收录该内容

11 篇文章 0 订阅

订阅专栏

目录

模块之间的差异

datetime与arrow之间的格式差异

arrow库代码范例

前言

记录一下自己在平时遇到的时间格式处理方式.只是简单的日期和时间处理，datetime和time模块就足够了；如果需要更高级的功能和易用性，可以考虑使用arrow、pandas或dateutil等第三方库。

过去用datetime模块,现在掌握了新的方式（arrow模块）去解决问题.主要是这次遇到的时间格式比较新颖（ddd MMM DD HH:mm:ss YYYY Z）

常用的库

datetime： datetime是Python内置的日期和时间处理模块。它提供了DateTime、Date、Time等类来处理日期和时间相关操作，并支持日期和时间的格式化、计算、比较等功能。

time： time模块也是Python内置的模块，用于处理时间相关的操作。它提供了一些函数来获取当前时间、睡眠、计时等功能，可以用于简单的时间处理需求。

arrow： arrow是一个第三方库，提供了更简洁和易用的API来处理日期和时间。它支持日期和时间的解析、格式化、计算、时区转换等功能，并且具有良好的可读性。

pandas： pandas是一个强大的数据分析库，也提供了对日期和时间数据的处理能力。它提供了Timestamp对象和DatetimeIndex对象来处理时间序列数据，并支持时间的索引、切片、重采样等高级操作。

dateutil： dateutil是一个第三方库，提供了一些有用的函数和类来处理日期和时间。它可以解析各种常见的日期和时间格式，并支持相对日期和时间的计算、时区转换等功能。

datetime

import datetime

current_datetime = datetime.datetime.now()
print(current_datetime)  # <class 'datetime.datetime'>
""" 2023-10-26 10:52:26.473845 """

# datetime.strptime()： 将字符串解析为datetime对象，根据指定的格式进行解析。
date_string = "2023-10-26"
date_format = "%Y-%m-%d"
parsed_date = datetime.datetime.strptime(date_string, date_format)
print(parsed_date, type(parsed_date))
""" 2023-10-26 00:00:00 <class 'datetime.datetime'>"""

# datetime.strftime()： 将datetime对象格式化为指定格式的字符串。
current_datetime = datetime.datetime.now()
formatted_date = current_datetime.strftime("%Y-%m-%d %H:%M:%S")
print(formatted_date, type(formatted_date))
"""2023-10-26 10:57:00 <class 'str'>"""

# 2023-10-26 10:57:00 <class 'str'>
delta = datetime.timedelta(days=7, hours=12)  # 表示7天12小时的时间间隔
now = datetime.datetime.now()
future = now + delta  # 当前时间加上时间间隔
print(future)
"""2023-11-02 22:57:53.233680"""

# datetime.replace()： 替换datetime对象的部分属性，生成一个新的datetime对象。
current_datetime = datetime.datetime.now()
new_datetime = current_datetime.replace(year=2022, month=1, day=1)
print(new_datetime)
"""2022-01-01 10:58:36.875121"""

# datetime.weekday()： 返回日期对应的星期几，星期一为0，星期日为6。
current_datetime = datetime.datetime.now()
weekday = current_datetime.weekday()
print(weekday)
""" 3 """

time

import time


# time.time()： 返回当前时间的时间戳，即从1970年1月1日午夜开始经过的秒数。
current_time = time.time()
print(current_time)
""" 1698290167.59498 """


# time.sleep()： 让程序暂停指定的秒数。
time.sleep(3)  # 暂停3秒

# time.localtime()： 返回当前时间的本地时间结构，以元组形式表示。
local_time = time.localtime()
print(local_time, type(local_time))
"""time.struct_time(tm_year=2023, tm_mon=10, tm_mday=26, tm_hour=11, tm_min=17, tm_sec=40, tm_wday=3, tm_yday=299, tm_isdst=0) <class 'time.struct_time'"""

# time.strftime()： 将时间格式化为指定格式的字符串。
current_time = time.time()
formatted_time = time.strftime("%Y-%m-%d %H:%M:%S", time.localtime(current_time))
print(formatted_time, type(formatted_time))
"""2023-10-26 11:18:52 <class 'str'>"""

# time.gmtime()： 返回当前时间的UTC时间结构，以元组形式表示。
utc_time = time.gmtime()
print(utc_time, type(utc_time))
"""time.struct_time(tm_year=2023, tm_mon=10, tm_mday=26, tm_hour=3, tm_min=19, tm_sec=31, tm_wday=3, tm_yday=299, tm_isdst=0) <class 'time.struct_time'>"""

# time.mktime()： 将时间结构转换为时间戳。
current_time = time.localtime()
timestamp = time.mktime(current_time)
print(timestamp, type(timestamp))
"""1698290741.0 <class 'float'>"""

arrow

Arrow是一个流行的Python库，用于处理日期、时间和时间跨度。

import arrow

# arrow.now()： 返回当前的日期和时间。
current_datetime = arrow.now()
print(current_datetime, type(current_datetime))
"""2023-10-26T11:35:32.681083+08:00 <class 'arrow.arrow.Arrow'>"""

# arrow.get()： 将字符串解析为Arrow对象，根据指定的格式进行解析。
date_string = "2023-10-26"
date_format = "YYYY-MM-DD"
parsed_date = arrow.get(date_string, date_format)
print(parsed_date, type(parsed_date))
"""2023-10-26T00:00:00+00:00 <class 'arrow.arrow.Arrow'>"""

# arrow.format()： 将Arrow对象格式化为指定格式的字符串。
formatted_date = current_datetime.format("YYYY-MM-DD HH:mm:ss")
print(formatted_date, type(formatted_date))
"""2023-10-26 11:35:32 <class 'str'>"""

# arrow.shift()： 对Arrow对象进行偏移，生成一个新的Arrow对象。
future_datetime = current_datetime.shift(days=7, hours=12)  # 偏移7天12小时
print(future_datetime, type(future_datetime))
"""2023-11-02T23:35:32.681083+08:00 <class 'arrow.arrow.Arrow'>"""

# arrow.replace()： 替换Arrow对象的部分属性，生成一个新的Arrow对象。
new_datetime = current_datetime.replace(year=2022, month=1, day=1)
print(new_datetime, type(new_datetime))
"""2022-01-01T11:35:32.681083+08:00 <class 'arrow.arrow.Arrow'>"""

# arrow.weekday()： 返回日期对应的星期几，星期一为0，星期日为6。
weekday = current_datetime.weekday()
print(weekday, type(weekday))
"""3 <class 'int'>"""

pandas

import pandas as pd


# 1. 创建时间序列：
#    - 使用`pd.to_datetime`将字符串转换为Pandas的`Timestamp`对象。
#    - 使用`pd.date_range`生成一系列日期。

date_strings = ['2023-01-01', '2023-01-02', '2023-01-03']
dates = pd.to_datetime(date_strings)
print(dates)
"""
    DatetimeIndex(['2023-01-01', '2023-01-02', '2023-01-03'], dtype='datetime64[ns]', freq=None)
"""

# 2. 设置时间序列为索引：
#    - 使用`df.set_index('column_name')`将某一列设置为时间序列的索引。

data = {'date': ['2023-01-01', '2023-01-02', '2023-01-03'],
        'value': [10, 20, 30]}
df = pd.DataFrame(data)
df['date'] = pd.to_datetime(df['date'])
df.set_index('date', inplace=True)
print(df)
"""
                value
    date             
    2023-01-01     10
    2023-01-02     20
    2023-01-03     30
"""

# 3. 时间序列的切片和筛选：
#    - 使用`df.loc[start_date:end_date]`对时间范围内的数据进行切片。
#    - 使用`df[df.index.year == 2023]`对特定年份的数据进行筛选。
data = {'date': ['2023-01-01', '2023-01-02', '2023-01-03'],
        'value': [10, 20, 30]}
df = pd.DataFrame(data)
df['date'] = pd.to_datetime(df['date'])
df.set_index('date', inplace=True)
sliced_df = df.loc['2023-01-02':'2023-01-03']
print(sliced_df)
"""
                value
    date             
    2023-01-02     20
    2023-01-03     30
"""

# 4. 时间重采样：
#    - 使用`df.resample('D').mean()`将时间序列重采样为每天的均值。
#    - 使用`df.resample('M').sum()`将时间序列重采样为每月的总和。

data = {'date': pd.date_range(start='2023-01-01', periods=7),
        'value': [10, 20, 30, 40, 50, 60, 70]}
df = pd.DataFrame(data)
df.set_index('date', inplace=True)
resampled_df = df.resample('D').mean()
print(resampled_df)
"""
                value
    date             
    2023-01-01   10.0
    2023-01-02   20.0
    2023-01-03   30.0
    2023-01-04   40.0
    2023-01-05   50.0
    2023-01-06   60.0
    2023-01-07   70.0
"""

# 5. 移动窗口计算：
#    - 使用`df.rolling(window=3).mean()`计算滑动窗口为3的移动平均值。
data = {'date': pd.date_range(start='2023-01-01', periods=7),
        'value': [10, 20, 30, 40, 50, 60, 70]}
df = pd.DataFrame(data)
df.set_index('date', inplace=True)
rolling_mean = df['value'].rolling(window=3).mean()
print(rolling_mean)
"""
        date
    2023-01-01     NaN
    2023-01-02     NaN
    2023-01-03    20.0
    2023-01-04    30.0
    2023-01-05    40.0
    2023-01-06    50.0
    2023-01-07    60.0
    Name: value, dtype: float64
"""

# 6. 时间序列的偏移：
#    - 使用`df.shift(1)`将时间序列向前平移1个时间单位。days  weeks、months、years
#    - 使用`df.diff()`计算相邻时间点之间的差异。
# 创建一个示例的时间序列数据
dates = pd.date_range(start='2023-01-01', periods=5, freq='D')
df = pd.DataFrame({'date': dates, 'value': range(5)})
print("原始数据:")
print(df)

# 对时间序列进行向前偏移一天
df['date_shifted_1'] = df['date'] + pd.DateOffset(days=1)
print("\n向前偏移一天:")
print(df)

# 对时间序列进行向后偏移两天
df['date_shifted_2'] = df['date'] - pd.DateOffset(days=2)
print("\n向后偏移两天:")
print(df)
"""
    原始数据:
            date  value
    0 2023-01-01      0
    1 2023-01-02      1
    2 2023-01-03      2
    3 2023-01-04      3
    4 2023-01-05      4   
    向前偏移一天 和 偏移2天:
            date  value date_shifted_1 date_shifted_2
    0 2023-01-01      0     2023-01-02     2022-12-30
    1 2023-01-02      1     2023-01-03     2022-12-31
    2 2023-01-03      2     2023-01-04     2023-01-01
    3 2023-01-04      3     2023-01-05     2023-01-02
    4 2023-01-05      4     2023-01-06     2023-01-03
"""


# 7. 时间序列的频率转换：
#    - 使用`df.asfreq('H')`将时间序列转换为每小时的频率。
#    - 使用`df.asfreq('2W')`将时间序列转换为每两周的频率。

# 创建一个示例时间序列数据
data = {'date': pd.date_range('2023-01-01', periods=30, freq='D'),
        'value': [i for i in range(1, 31)]}
df = pd.DataFrame(data)

# 将日期设置为索引
df.set_index('date', inplace=True)

# 将时间序列数据重新采样为每周频率（W）
resampled_df = df.asfreq('W')
print(resampled_df)
"""
                value
    date             
    2023-01-01      1
    2023-01-08      8
    2023-01-15     15
    2023-01-22     22
    2023-01-29     29
"""

# 8. 时间序列的统计分析：
#    - 使用`df.mean()`计算时间序列的均值。
#    - 使用`df.resample('M').max()`计算每月的最大值。
print('均值')
print(df.mean())
"""
    value    15.5
    dtype: float64
"""
print('计算每月的最大值')
print(df.resample('M').max())
"""
                value
    date             
    2023-01-31     30
"""

模块之间的差异

datetime与arrow之间的格式差异

datetime与arrow的差异
datetime format	效果1	arrow format	效果2
%Y-%m-%d %H:%M:%S%z	2022-07-27 01:40:47.776620	YYYY-MM-DD HH:mm:ssZ	2022-07-27 09:40:47+0800
%d/%b/%Y:%H:%M:%S%z	2022-07-27 01:41:55.023716	DD/MMM/YYYY:HH:mm:ssZ	27/Jul/2022:09:41:55+0800
%Y-%m-%dT%H:%M:%S %z	2022-07-27 01:45:56.766133	YYYY-MM-DDTHH:mm:ss Z	2022-07-27T09:45:56 +0800
%c %z	2022-07-27 01:51:18.266915	ddd MMM DD HH:mm:ss YYYY Z	Wed Jul 27 09:51:18 2022 +0800

arrow库代码范例

#!/usr/bin/env python
# :*: coding:utf:8 :*:
# @FileName  :time_format.py.py
# @Time      :2022/7/27 10:07
# @Author    :Marst

import time
from datetime import datetime
import pytz
import arrow

# 获取所有时区的名称
all_zone = pytz.all_timezones
# print(len(all_zone), all_zone)

# 0时区
utc_now = datetime.utcnow()
# 转换时区  东八区 +08:00 / 0800
# 先设定时区
tz = pytz.timezone("Asia/Shanghai")


# 转换 0时区 -> 东八区 z表示时区
# cst_time = tz.fromutc(utc_now).strftime("%Y-%m-%d %H:%M:%S%z")
# print(f"0时区 {utc_now} -> 东八区 {cst_time}")

# 转换成时间戳 ①不同的函数 采用的时间格式不同
def time_format1():
    """
    0时区 -> 东八区 -> 时间戳
    2022-07-27 01:40:47.776620 ->  2022-07-27 09:40:47+0800 -> 1658886047
    """
    fmt = "%Y-%m-%d %H:%M:%S%z"
    arrow_fmt = "YYYY-MM-DD HH:mm:ssZ"
    _cst_time = tz.fromutc(utc_now).strftime(fmt)
    print(f"0时区 {utc_now} -> 东八区 {_cst_time}")
    arrow_time = arrow.get(_cst_time, arrow_fmt).timestamp
    print(arrow_time)


def time_format2():
    """
    0时区 -> 东八区 -> 时间戳
    2022-07-27 01:41:55.023716 ->  27/Jul/2022:09:41:55+0800 -> 1658886115
    """
    fmt = "%d/%b/%Y:%H:%M:%S%z"
    arrow_fmt = "DD/MMM/YYYY:HH:mm:ssZ"
    _cst_time = tz.fromutc(utc_now).strftime(fmt)
    print(f"0时区 {utc_now} -> 东八区 {_cst_time}")
    arrow_time = arrow.get(_cst_time, arrow_fmt).timestamp
    print(arrow_time)


def time_format3():
    """
    0时区 -> 东八区 -> 时间戳
    2022-07-27 01:45:56.766133 ->  东八区 2022-07-27T09:45:56 +0800 -> 1658886356
    """
    fmt = "%Y-%m-%dT%H:%M:%S %z"
    arrow_fmt = "YYYY-MM-DDTHH:mm:ss Z"
    _cst_time = tz.fromutc(utc_now).strftime(fmt)
    print(f"0时区 {utc_now} -> 东八区 {_cst_time}")
    arrow_time = arrow.get(_cst_time, arrow_fmt).timestamp
    print(arrow_time)


def time_format4():
    """
    0时区 -> 东八区 -> 时间戳
    2022-07-27 01:51:18.266915 ->  东八区 Wed Jul 27 09:51:18 2022 +0800 -> 1658886678
    """
    fmt = "%c %z"
    arrow_fmt = "ddd MMM DD HH:mm:ss YYYY Z"
    _cst_time = tz.fromutc(utc_now).strftime(fmt)
    print(f"0时区 {utc_now} -> 东八区 {_cst_time}")
    arrow_time = arrow.get(_cst_time, arrow_fmt).timestamp
    print(arrow_time)


if __name__ == '__main__':
    time_format4()

关注

1
点赞
踩
0

收藏

觉得还不错? 一键收藏
打赏
0
评论
python 时间格式数据处理

arrow模块处理时间格式（ddd MMM DD HH:mm:ss YYYY Z）
复制链接

扫一扫

专栏目录

Marst·Writer CSDN认证博客专家 CSDN认证企业博客

码龄7年

76: 原创

3194: 周排名

1万+: 总排名

11万+: 访问

: 等级

1359: 积分

5030: 粉丝

507: 获赞

25: 评论

721: 收藏

私信

关注

热门文章

分类专栏

最新评论

VBA将当前打开的表格生成PDF图片
Marst·Writer: 我自己也是普通场景下使用
VBA将当前打开的表格生成PDF图片
2401_86269472: 大神，后面的代码怎么写？我是第一次写这个。
VBA将当前打开的表格生成PDF图片
2401_86269472: Private Sub CommandButton1_Click() Windows("支付审批单清单.xls").Activate fnames = ActiveSheet.Name hh = InputBox("请输入序号：", "生成审批单") + 2 b = Worksheets(fnames).Range("b" & hh) c = Worksheets(fnames).Range("c" & hh) d = Worksheets(fnames).Range("d" & hh) For ii = 3 To 100 Step 1 Next Workbooks.Open FileName:="F:\矢量馆支付审批单程序\模板.et", AddToMru:=True Worksheets("sheet1").Range("b3") = b Worksheets("sheet1").Range("h4") = c Worksheets("sheet1").Range("b6") = d End Sub 下一步我要把打开的这个“模板.et”另存到“f:\矢量馆支付审批单程序\支付审批单”，要求一是转变成PDF，二是保存从命名为模板里面b列的数据+支付审批单
VBA将当前打开的表格生成PDF图片
2401_86269472: Private Sub CommandButton1_Click() Windows("支付审批单清单.xls").Activate fnames = ActiveSheet.Name hh = InputBox("请输入序号：", "生成审批单") + 2 b = Worksheets(fnames).Range("b" & hh) c = Worksheets(fnames).Range("c" & hh) d = Worksheets(fnames).Range("d" & hh) For ii = 3 To 100 Step 1 Next Workbooks.Open FileName:="F:\矢量馆支付审批单程序\模板.et", AddToMru:=True Worksheets("sheet1").Range("b3") = b Worksheets("sheet1").Range("h4") = c Worksheets("sheet1").Range("b6") = d End Sub Sub ExportToPDF() Dim FilePath As String Dim FileName As String Dim ExportRange As Range FilePath = "f:\支付审批单程序\支付审批单" FileName = "ExportedPDF" Set ExportRange = Range("B1:BE38") ExportRange.ExportAsFixedFormat Type:=xlTypePDF, _ FileName:=FilePath & FileName & ".pdf", Quality:=xlQualityStandard, _ IncludeDocProperties:=True, IgnorePrintAreas:=False, OpenAfterPublish:=True End Sub 大神，用了你的代码，转PDF，什么地方出错了？望指导。
聊天伴侣-豆包
勇敢滴勇: 写的很深入，仔细。博主的文章让我对这个主题有了全新的认识，细节描写非常到位，期待博主未来能够持续分享更多好文，同时也希望能够得到博主的指导，共同进步！同时也希望可以来我博客指导我一番

最新文章

2024

目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

打赏作者

Marst·Writer 你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20

扫码支付：¥1

获取中

扫码支付

您的余额不足，请更换扫码支付或充值

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。