上一篇文章中，我們理清楚了python的time庫(kù)以及datetime庫(kù)中各種時(shí)間對(duì)象的處理方法，以及相互之間的轉(zhuǎn)化方法。

我們發(fā)現(xiàn)，time庫(kù)以及datetime庫(kù)中，確實(shí)存在名字相同，但是調(diào)用方法與所屬類完全不一樣的情況，這也是造成使用過(guò)程中各種混淆的原因。

今天我們把Pandas庫(kù)中處理時(shí)間的各種函數(shù)與方法也加進(jìn)來(lái)討論，當(dāng)然，由于Pandas中處理時(shí)間的方法和類太多太強(qiáng)大，我們僅僅是對(duì)其中探討Pandas其中部分，特別是其中與time庫(kù)、datetime庫(kù)有關(guān)聯(lián)且又容易混淆的相關(guān)知識(shí)。

(一) 此Timestamp非彼Timestamp

相信在讀過(guò)前面一篇文章的同學(xué)，對(duì)time庫(kù)中的unix時(shí)間戳還有印象，但是Pandas中的Timestamp對(duì)象和unix時(shí)間戳格式完全不同。

Pandas中的Timestamp對(duì)象可以說(shuō)是Pandas中時(shí)間序列對(duì)象的“細(xì)胞”，如果我們有datetime64[ns]型Series對(duì)象如下：

你會(huì)發(fā)現(xiàn)當(dāng)你提取Series第一個(gè)元素出來(lái)，返回來(lái)的就是一個(gè)Timestamp對(duì)象。當(dāng)然，我們也可以自己創(chuàng)建一個(gè)Timestamp對(duì)象：

從上面的代碼你會(huì)發(fā)現(xiàn)，你可以將unix時(shí)間戳、字符串型日期、datetime庫(kù)中datetime.datetime通過(guò)pd.Timestamp()方法直接轉(zhuǎn)化為Timestamp對(duì)象。

反過(guò)來(lái)呢？如果想將把Timestamp對(duì)象轉(zhuǎn)化為unix時(shí)間戳，可以使用pd.Timestamp.timestamp()方法：

(二) 生成時(shí)間序列

Pandas作為處理多維數(shù)組的“神器”，本篇文章講的當(dāng)然是處理時(shí)間序列的方法。其中，Pandas中生成時(shí)間序列的方法不少，最常用的方法是pd.date_range()，我們看一下其使用方法：

l pd.date_range(start, end, freq) 生成一個(gè)時(shí)間段

n start:開始時(shí)間，參數(shù)可以是datetime庫(kù)中的datetime對(duì)象，也可以是字符串。

n end:結(jié)束時(shí)間，參數(shù)可以是datetime庫(kù)中的datetime對(duì)象，也可以是字符串。

n freq:時(shí)間頻率，'Y'表示年，'M’表示月，'D’表示天，'H’表示小時(shí)，'Min’表示分鐘

注意，這里開始時(shí)間和結(jié)束時(shí)間的參數(shù)指向的對(duì)象，是可以是datetime.datetime對(duì)象：

當(dāng)然，這里的開始時(shí)間除了可以使用datetime.datetime實(shí)例以外（這里注意，是使用的datetime庫(kù)中的類，而不是Pandas庫(kù)），也可以用字符串來(lái)表示。

以start_time為2019年7月17日為例，start_time也可以是字符串'20190717'、'2019-07-17'、'2019/07/17'...

從上面可以看到，pd.date_range()方法生成的是長(zhǎng)度為200、數(shù)據(jù)類型為datetime的DatetimeIndex對(duì)象，時(shí)間頻率是天。

也就是說(shuō)，2019年7月17日到2020年2月1日，算上始末的日期，一共200天。這是因?yàn)槟J(rèn)的頻率是每天，freq='D'。 也可以通過(guò)改變時(shí)間頻率，詳情參考上面的使用方法添加修改freq參數(shù)即可。

如果我們想要2019年7月17日為起始，按照每天的時(shí)間頻率，生成長(zhǎng)度為200的DataIndex對(duì)象，可以這樣寫：

相應(yīng)地，如果想要以2020年2月1日為結(jié)束日，按照每天的時(shí)間頻率，生成長(zhǎng)度為200的DataIndex對(duì)象，可以這樣寫：

(三) .to_datetime()方法

當(dāng)然，上面的方法生成的是DatetimeIindex對(duì)象，可以通過(guò)pd.Series()方法轉(zhuǎn)化為Series對(duì)象：

但是對(duì)于不規(guī)范的日期字符串Series，需要使用pd.to_datetime()方法來(lái)對(duì)其進(jìn)行轉(zhuǎn)換，比如：

(四) DateOffset類

datetime庫(kù)中有timedelta類作為日期的增減，Pandas中也有專門的DateOffset類作為時(shí)間間隔對(duì)象，可以直接作用在上面的datetime型Series對(duì)象中。

其使用方法和datetime.timedelta類相似，但是要注意的是里面的參數(shù)名最后都加了's'。

datetime型Series對(duì)象可以直接使用DataOfffset對(duì)象進(jìn)行日期加減：

也可以作用在DatetimeIndex對(duì)象中：

(五) 時(shí)間序列日期格式化

要對(duì)datetime型的Series對(duì)象進(jìn)行日期格式轉(zhuǎn)換，可以通過(guò)Series實(shí)例的方法.dt.strftime()，其格式化字符串依然可以參照datetime庫(kù)中的格式化字符串對(duì)照表：

要對(duì)datetime型的Series對(duì)象進(jìn)行日期格式轉(zhuǎn)換，可以通過(guò)Series實(shí)例的方法.dt.strftime()，其格式化字符串依然可以參照文章開頭的datetime庫(kù)中的格式化字符串對(duì)照表：

但是如果留心的話可以發(fā)現(xiàn)，轉(zhuǎn)化之后的數(shù)據(jù)類型，已經(jīng)從datetime型變成object類，也就是字符串。

如果把字符串時(shí)間date_03重新轉(zhuǎn)化為datetime型Series，用上面提到的pd.to_datetime()方法即可：

(六) 結(jié)后語(yǔ)

time庫(kù)和datetime庫(kù)以及Pandas中各種對(duì)象處理時(shí)間的方法，雖然錯(cuò)綜復(fù)雜又相互關(guān)聯(lián)，但是其實(shí)在使用方面有所側(cè)重和不同。

time庫(kù)以及datetime庫(kù)的對(duì)象，一般用在程序設(shè)計(jì)的中涉及到時(shí)間的問題，比如爬蟲的時(shí)候在獲得的不規(guī)則時(shí)間時(shí)碰到的格式轉(zhuǎn)換問題，會(huì)使用很多。

Pandas中各種與時(shí)間相關(guān)的類非常多，方法非常豐富，涉及到時(shí)間處理的各個(gè)方面，主要用作序列數(shù)據(jù)的處理方面，這和time庫(kù)與datetime庫(kù)對(duì)單獨(dú)某些日期數(shù)據(jù)處理不同。

就數(shù)據(jù)分析工作而言，對(duì)時(shí)間序列數(shù)據(jù)處理的時(shí)候Pandas用得非常多，以至于很多人幾乎都忘記time庫(kù)與datetime庫(kù)的存在?？傮w而言，對(duì)于數(shù)據(jù)分析初學(xué)者而言，可以把Pandas作為重點(diǎn)學(xué)習(xí)方面，但是time庫(kù)和datetime庫(kù)作為Python標(biāo)準(zhǔn)庫(kù)，其時(shí)間類的基本使用方法的學(xué)習(xí)是必不可少的。