日期和时间数据类型
Python标准库包含用于日期（date）和时间（time）数据的数据类型，而且还有日历方面的功能。主要用到datetime、time以及calendar模块。
1.png
datetime以毫秒形式存储日期和时间。datetime.timedelta表示两个datetime对象之间的时间差：
2.png
给datetime对象加上（或减去）一个或多个timedelta，这样会产生一个新对象：
3.png
字符串和datetime的相互转换
利用str或strftime方法（传入一个格式化字符串），datetime对象和pandas的Timestamp对象可以被格式化为字符串：
4.png
使用第三方包中的parser.parse方法解析常见的日期格式：
5.png
在国际通用的格式，日通常出现在月的前面，传入dayfirst=True可以按照年月日的方式显示：
6.png
时间序列基础
pandas最基本的时间序列类型是以时间戳（通常以Python字符串或datatime对象表示）为索引的Series:
21.png
跟其他Series一样，不同索引的时间序列之间的算术运算会自动按日期对齐：
22.png
索引、选取、子集构造
传入一个可以被解释为日期的字符串，可以查找对应的数据：
31.png
传入“年”或“年月”可以选取数据的切片，在下面例子中periods=1000表示设定时间的长度为1000，默认是天：
32-1.png
32-2.png
32-3.png
对于规则Series，可以通过日期进行切片：
33.png
使用不存在该时间序列的时间戳对其进行切片（即范围查询）：
34.png
通过实例方法truncate(after='日期')截取两个日期之间TimeSeries：
35.png
时间序列对于DataFrame也同样适用：
36.png
源码：
# coding: utf-8
# ## 日期和时间数据类型
# In[1]:
from datetime import datetime
now = datetime.now()
print(now)
# In[2]:
# 只截取年月日
now.year,now.month,now.day
# In[3]:
# 计算时间差
delta = datetime(2018,2,3) - datetime(2016,6,26,10,10)
print(delta)
# In[4]:
delta.seconds
# In[5]:
# 给datetime对象加上（或减去）一个或多个timedelta
from datetime import timedelta
start = datetime(2018,1,9)
start + timedelta(12)
# In[6]:
start - 2 * timedelta(12)
# ## 字符串和datetime的相互转换
# In[7]:
stamp = datetime(2018,2,3)
str(stamp)
# In[8]:
stamp.strftime('%Y-%m-%d')
# In[9]:
from dateutil.parser import parse
parse('2017-12-23')
# In[10]:
parse('Jan 11, 1993 11:11 PM') # 此处1993前一定要留空格，否则默认使用系统当前年份
# In[11]:
'''
在国际通用的格式，日通常出现在月的前面，
传入dayfirst=True可以按照年月日的方式显示
'''
parse('6/12/2011',dayfirst=True)
# ## 时间序列基础
# In[12]:
import numpy as np
from pandas import Series,DataFrame
import pandas as pd
from datetime import datetime
# In[13]:
# # 以时间戳为索引的Series
dates = [datetime(2018,1,2),datetime(2018,1,5),datetime(2018,1,7),
datetime(2018,1,8),datetime(2018,1,10),datetime(2018,1,12)]
ts = Series(np.random.randn(6),index=dates)
print(ts)
# In[14]:
type(ts)
# In[15]:
ts.index
# In[16]:
ts + ts[::2]
# In[17]:
ts.index.dtype
# In[18]:
stamp = ts.index[0]
print(stamp)
# ### 索引、选取、子集构造
# In[19]:
# 传入一个可以被解释为日期的字符串
ts['1/10/2018']
# In[20]:
ts['20180110']
# In[21]:
# 传入“年”或“年月”可以选取数据的切片
# 下面例子中periods=1000表示设定时间的长度为1000天
longer_ts = Series(np.random.randn(1000),
index=pd.date_range('1/1/2000',periods=1000))
print(longer_ts)
# In[22]:
# 查找一年的数据
longer_ts['2001']
# In[23]:
# 查找一个月的数据
longer_ts['2001-05']
# In[24]:
# 对于规则Series，可以通过日期进行切片
ts[datetime(2018,1,7):]
# In[25]:
# 使用不存在该时间序列的时间戳对其进行切片（即范围查询）
print(ts)
# In[26]:
# 范围查询
ts['1/3/2018':'1/9/2018']
# In[27]:
# 通过实例方法truncate(after='日期')截取两个日期之间TimeSeries
ts.truncate(after='1/9/2018')
# In[28]:
# 时间序列对于DataFrame也同样适用
# 下面的freq='W-WED'表示设定落在周三的所有日期
dates = pd.date_range('1/1/2017',periods=100,freq='W-WED')
long_df = DataFrame(np.random.randn(100,4),
index=dates,
columns=['Colorado','Texas','New York','Ohio'])
long_df.loc['5-2017']
网友评论