Python中处理datetime时间格式数据的基本思路

关于时间常用到的概念

• 时间戳，具体的时刻
• 固定的时间区间，例如2017年一月或者2017年全年
• 时间间隔，由开始和结束的时间戳决定，区间是一个特殊的时间间隔
• 实验时间或消耗时间，例如自烤箱工作每秒饼干的直径变化。

日期和时间数据的类型工具

python标准库中的datetime.datetime，time和calendar是处理时间和日期格式的常见模块，介绍其中的datetime:

from datetime import datetime

now = datetime.now()

now

datetime.datetime(2020, 2, 8, 16, 54, 18, 987524)

now.year, now.month, now.day

(2020, 2, 8)

datetime存储了精细化的时间数据，年月日时分秒和微秒的数据。

timedelta表示两个时间的时间差:

delta = datetime(2011, 1, 7) - datetime(2008, 6, 24, 8, 15)
delta

datetime.timedelta(days=926, seconds=56700)

delta.days, delta.seconds

(926, 56700)

同样我们可以使用时间戳和一个时间差计算新的时间：

from datetime import timedelta

start = datetime(2017, 1, 7)
start + timedelta(12) # 加上12天的时间差

datetime.datetime(2017, 1, 19, 0, 0)

start - 2 * timedelta(12)  # 如果是我可能会考虑12 * 2

datetime.datetime(2016, 12, 14, 0, 0)

• datetime中的模块

类型	描述
date	使用公历日历存储日历日期（年，月，日）
time	将时间存储为小时、分钟、秒和微秒
datetime	存储日期和时间
timedelta	表示两个datetime之间的差（如日、秒和微秒）
tzinfo	用于存储时区信息的基本类型

字符串和datetime相互转化

这是一个开放的命题：

• 利用正则提取年月日时分秒信息，生成datetime
• 利用字符串的格式化输出转化时间
• 利用datetime的strftime将datetime格式转化为字符串
• 利用datetime的strptime将字符串解析成datetime
• pandas提供了相对的处理办法

这里主要介绍datetime的处理方式：

时间转字符串

stamp = datetime(2011, 1, 3)
str(stamp)

'2011-01-03 00:00:00'

stamp.strftime('%Y/%m/%d')

'2011/01/03'

• datetime格式说明

类型	描述
%Y	四位的年份
%y	两位的年份
%m	两位的月份[01, 12]
%d	两位的日期[01, 31]
%H	小时，24小时制[00, 23]
%I	小时，12小时制[01, 12]
%M	两位的分钟[00, 59]
%S	秒[00, 61](60、61是闰秒)
%w	星期日期[0(星期天), 6]
%U	一年中的星期数[00, 53]。以星期天为每一周的第一天，一年中第一个星期天前的日期作为“第0周”
%W	一年中的星期数[00, 53]。以星期一为每一周的第一天，一年中第一个星期一前的日期作为“第0周”
%z	格式为+HHMM或-HHMM的UTC时区偏移；如果没有时区则为空
%F	%Y-%m-%d的简写（2012-04-18）
%D	%m/%d/%y的简写（04/18/12）

---

字符串转化为时间

value = '2011-01-03'
datetime.strptime(value, '%Y-%m-%d')

datetime.datetime(2011, 1, 3, 0, 0)

datestrs = ['7/6/2011', '8/6/2011']
[datetime.strptime(date, '%m/%d/%Y') for date in datestrs]

[datetime.datetime(2011, 7, 6, 0, 0), datetime.datetime(2011, 8, 6, 0, 0)]

让转化稍微智能点

datetime.strptime在已知格式下处理比较好，每次都要手动编写格式代码有点繁琐。对于通用日期格式我们可以使用第三方的dateutil包里的parser.parse方法（pandas安装时会自行安装这个包）：

from dateutil.parser import parse

parse('2011-01-09')

datetime.datetime(2011, 1, 9, 0, 0)

dateutil能解析大部分人类理解的日期表达：

parse('Jan 31, 1997 10:45 PM')

datetime.datetime(1997, 1, 31, 22, 45)

不常出现的日期在月份前面可以指定参数实现：

parse('6/12/2011', dayfirst=True)

datetime.datetime(2011, 12, 6, 0, 0)

parse('6/12/42') # 如果你要的是1942年就要小心了

datetime.datetime(2042, 6, 12, 0, 0)

pandas处理时间基本上是基于时间序列的，会在后续推出相关内容，喜欢点赞收藏评论！