python获取当前时间时分秒_pandas时间序列常用方法简介

导读

pandas是Python数据分析最好用的第三方库，没有之一。——笛卡儿没说过这句话！

在进行时间相关的数据分析时，时间序列的处理是自然而然的事情，从创建、格式转换到筛选、重采样和聚合统计，pandas都提供了全套方法支持，用的熟练简直是异常丝滑。

01 创建

pandas时间序列创建最为常用的有以下2种方式：

• pd.date_range()，创建指定日期范围，start、end和periods三个参数任意指定2个即可，另有频率、开闭端点、时区等参数可选

• pd.Timestamp()，时间戳对象，从其首字母大写的命名方式可以看出这是pandas中的一个类，实际上相当于Python标准库中的datetime的定位，在创建时间对象时可接受日期字符串、时间戳数值或分别指定年月日时分秒等参数三类，仅能生成单一时间点。其优点是Timestamp类提供了丰富的时间处理接口，如日期加减、属性提取等

与二者类似，pandas还提供了pd.period和pd.period_range两个方法，分别用于创建单个时期和时期序列。这里时期是一段时间，而date或timestamp则是一个时间点。

02 转换

实际应用中，与时间格式相互转换最多的应该就是字符串格式了，这也是最为常用也最为经典的时间转换需求，pandas中自然也带有这一功能：

• pd.to_datetime：字符串转时间格式

• dt.astype(str)：时间提取字符串

其中，pd.to_datetime可接受单个或多个日期数值，具体类型包括数值型、字符串、数组或pd.series等序列，其中字符串日期格式几乎包含了所有可能的组成形式，例如"年/月/日"，"月/日/年"和"月-日-年"等形式，字符串转换日期也是实际应用中最为常见的需求。反之，对于日期格式转换为相应的字符串形式，pandas则提供了时间格式的"dt"属性，类似于pandas为字符串类型提供了str属性及相应方法，时间格式的"dt"属性也支持大量丰富的接口。例如d