python time时间戳_python时间日期的处理

python的时间操作，内置模块有time、datetime、 calendar 。datetime模块，是对time的封装，提供了更丰富的接口

1.内置time模块

time模块中有三种格式：

timestamp时间戳 struct_time时间元组 format time 格式化时间

timestamp 时间戳表示的是从1970年1月1日00:00:00开始按秒计算的偏移量

struct_time时间元组 共9个元素组成。用一个元组装起来的9组数字。可以通过索引访问相应的值，为年、月、日、时、分、秒、一周第几日、一年第几日、夏令时

format time 格式化时间，已格式化的结构使时间更具可读性。包括自定义格式和固定格式

time模块的函数方法

time.time() #查看当前时间戳

time.sleep()

线程将推迟指定的时间后运行下面的代码，单位为秒。其精度为亚秒级

time.localtime(seconds=None)

将一个时间戳转化为当前地区的一个struct_time()类型元组，默认当前时间

time.mktime(p_tuple)

将一个 struct_time()类型元组 转换为时间戳

time.ctime(seconds=None)

将一个时间戳换成一个时间字符串 ，默认当前时间

time.strptime()

将 struct_time() 转换为字符串

time.strftime()

将字符串格式的日期转换为 time.strptime()

print(time.time()) #当前时间戳print(time.localtime()) #将时间戳转换为struct_timeprint(time.mktime((2020,4,24,5,2,3,4,115,0))) #将struct_time转换为时间戳print(time.ctime()) #将时间戳转换为字符串print(time.strftime('%Y-%m-%d',time.localtime())) #将struct_time转换为字符串print(time.strptime('2020/04/05','%Y/%m/%d')) #将字符串转换为struct_time

2. 内置datetime模板，有date、time、datetime、timedelta四种数据类型

date 存储年月日

time 存储时分秒

datetime 以毫秒形式存储日期和时间，时间戳表示的是从1970年1月1日00:00:00开始按秒计算的偏移量

timedelta 两个以datetime数据格式之间的时间差

date类

date对象由year年份、month月份及day日期三部分构成：datetime.date(year, month, day)

fromdatetime importdatetime,date,timedelta,time

a = date.today()

print(a)

print(a.year,a.month,a.day)

2020-04-24

2020 4 24

date datetime calendar

datetime 数据类型==> date time datetime timedelta

datetime.now() ==>datetime.datetime(year, m, d, h, m, s,ms) ==>now.year ==>datatime以毫秒存储日期时间

1.datetime与str

利用str或strftime方法

str(date(year,month,day))

datetime(year,m,day).strftime(‘%Y-%m-%d’)

datatime.strptime方法将str转换为日期,通过已知的格式进行日期解析

datestrs=[‘2016/6/1′,’2016/8/6′] ==> [datatime.strptiem(x,’%Y/%m/%d’) for x in datestrs]

fromdateutil.parser importparse

parse('2018/02/03 02:03:02')

parse可以自动解析通用的时间日期格式类，将字符串转换为datetime对象，减少用datetime.strptime()每次指定格式

pandas时间处理

pandas时间序列中，相应也存在时间戳、时间日期的序列

pandas时间戳序列： pd.date_range(”,periods=),返回DtatimeIndex的时间序列对象

dt = pd.date_range('20200301',periods=10)

print(dt)

DatetimeIndex(['2020-03-01', '2020-03-02', '2020-03-03', '2020-03-04',

'2020-03-05', '2020-03-06', '2020-03-07', '2020-03-08',

'2020-03-09', '2020-03-10'],

dtype='datetime64[ns]', freq='D')

pandas时期对象:pd.Period()

dt = pd.Period('2010',freq='M')

print(dt)

2010-01

pandas的时期序列:pd.period_range()

dt = pd.period_range('2010-01-01',freq='M',periods=10)

print(dt)

PeriodIndex(['2010-01', '2010-02', '2010-03', '2010-04', '2010-05', '2010-06','2010-07', '2010-08', '2010-09', '2010-10'],dtype='period[M]', freq='M')

返回的是PeriodIndex,时期序列对象

pandas时间序列

时间戳的时间序列和时期的时间序列相互转换

dt = pd.DataFrame(np.arange(10),index=pd.date_range('20200101',periods=10))

print(dt.index)

DatetimeIndex(['2020-01-01', '2020-01-02', '2020-01-03', '2020-01-04',

'2020-01-05', '2020-01-06', '2020-01-07', '2020-01-08',

'2020-01-09', '2020-01-10'],

dtype='datetime64[ns]', freq='D')

newdt = dt.to_period()

print(newdt.index)

PeriodIndex(['2020-01-01', '2020-01-02', '2020-01-03', '2020-01-04',

'2020-01-05', '2020-01-06', '2020-01-07', '2020-01-08',

'2020-01-09', '2020-01-10'],

dtype='period[D]', freq='D')

DateFrame的索引为DatetimeIndex对象，可以用to_period()方法，将时间戳序列转换为时间日期序列，默认时间间隔为天

olddt = newdt.to_timestamp()

print(olddt.index)

DatetimeIndex(['2020-01-01', '2020-01-02', '2020-01-03', '2020-01-04',

'2020-01-05', '2020-01-06', '2020-01-07', '2020-01-08',

'2020-01-09', '2020-01-10'],

dtype='datetime64[ns]', freq='D')

同样，时间日期序列，可以使用to_timestamp()方法转换为时间戳序列

时间序列和时间戳直接相互转换时，会产生时间精度丢失

pandas时间序列重采样

resample()

dt = pd.DataFrame(np.random.rand(10),index=pd.date_range('2020-02-01 09:50',periods=10,freq='T'))

print(dt)

2020-02-01 09:50:00 0.830833

2020-02-01 09:51:00 0.419032

2020-02-01 09:52:00 0.118628

2020-02-01 09:53:00 0.281052

2020-02-01 09:54:00 0.716910

2020-02-01 09:55:00 0.611131

2020-02-01 09:56:00 0.599084

2020-02-01 09:57:00 0.948396

2020-02-01 09:58:00 0.510810

2020-02-01 09:59:00 0.765798

new = dt.resample('2min').sum()

print(new)

2020-02-01 09:50:00 1.740691

2020-02-01 09:52:00 1.497430

2020-02-01 09:54:00 0.444975

2020-02-01 09:56:00 0.503731

2020-02-01 09:58:00 1.402243

resample时间戳重采样，设置采样间隔和聚合方式

groupby的两种方式：

newdt = dt.groupby(lambdax:datetime.datetime.strftime(x,'%Y-%m-%d')).sum()

newdt = dt.groupby(dt.index.to_period('D')).sum()

print(newdt)

2020-02-01 5.521197

两种效果一样，一种是直接转换成字符串，一种是将时间戳转换成时间日期序列，区别在于第一种是字符串对象，第二种的index是时间序列对象