python 时间 纳秒_Pandas时间序列（翻译）

昨天快下班时的需求，对时间进行偏移计算。找了一篇介绍Pandas时间序列的文章，大致翻译一下（把英文粘贴到谷歌翻译，再把中文拷贝过来）。

原文：https://jakevdp.github.io/PythonDataScienceHandbook/03.11-working-with-time-series.html

---

原文的版权声明：

This is an excerpt from the Python Data Science Handbook by Jake VanderPlas; Jupyter notebooks are available on GitHub.

The text is released under the CC-BY-NC-ND license, and code is released under the MIT license. If you find this content useful, please consider supporting the work by buying the book!

---

需求的解决方案：https://stackoverflow.com/questions/46399204/add-pandas-timedelta-to-a-datetime64-series-or-column-in-dataframe

delta = pd.Timedelta(hours=5, minutes=30)
df['ts1'] = df['ts'] - delta
df['ts2'] = df['ts'] + delta

---

以下为文章翻译：

Pandas是在金融行业的背景下开发的，正如您所料，它包含一组相当广泛的工具，用于处理日期，时间和时间索引数据。 日期和时间数据有几种，我们将在这里讨论：

• 时间戳指特定时刻（例如，2015年7月4日上午7:00）。
• 时间间隔和周期，指特定开始和结束点之间的时间长度，例如，2015年。周期通常指时间间隔的特殊情况，每个时间间隔具有统一的长度，并且不重叠（例如，24小时的周期构成天）。
• 时间增量（delta）或持续时间（duration）指精确的时间长度（例如，持续时间为22.56秒）。

在本节中，我们将介绍如何在Pandas中使用这些类型的日期/时间数据。 这篇短文不是Python或Pandas中可用的时间序列工具的完整指南，而是作为用户如何处理时间序列的广泛概述。 我们将首先简要讨论在Python中处理日期和时间的工具，然后再更具体地讨论Pandas提供的工具。 在列出一些更深入的资源之后，我们将回顾一些在Pandas中处理时间序列数据的简短示例。

Python中的日期和时间

Python世界有许多可用的日期，时间，增量和时间表的表示形式。 虽然Pandas提供的时间序列工具往往对数据科学应用程序最有用，但查看它们与Python中使用的其他包的关系会很有帮助。

原生Python日期和时间：datetime和dateutil

Python处理日期和时间的基本对象驻留在内置的datetime模块中。 与第三方dateutil模块一起，您可以使用它在日期和时间快速执行许多有用的功能。 例如，您可以使用datetime类型手动构建日期：

from datetime import datetime
datetime(year=2015, month=7, day=4)

输出：datetime.datetime(2015, 7, 4, 0, 0)

或者，使用dateutil模块，您可以从各种字符串格式解析日期：

from dateutil import parser
date = parser.parse("4th of July, 2015")
date

输出：datetime.datetime(2015, 7, 4, 0, 0)

拿到datetime对象后，您可以执行打印星期几等操作：

date.strftime('%A')

输出：'Saturday'

在上述代码中，我们使用了一个标准字符串格式代码('％A')来打印日期，此类代码您可以在Python的datetime文档（datetime documentation）的strftime部分找到详细信息（strftime section ÿ