Python基础 | 日期时间操作

2023-08-04 18:17:52

获取时间
时间映射
格式转换
时间计算
- 时间偏移
- 时间差

“日期时间数据”作为三大基础数据类型之一，在数据分析中会经常遇到。

本文总结Python中常见的日期时间操作。

日期时间操作会涉及到的工具包：

import datetime

import calendar

import time

import pandas as pd

获取时间

# 当前日期

today = datetime.date.today()

# 当前日期时间

now = datetime.datetime.now()

now_2 = datetime.datetime.today()

print(today)

print(now)

print(now_2)

输出：

2019-12-30

2019-12-30 11:50:14.037643

2019-12-30 11:50:14.037676

时间映射

# 日期

# 获取对应的，年，月，日

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

输出：

2019 12 30

# 时间对应的：时、分、秒

print(now.hour,now.minute,now.second)

输出：

11 50 14

# 获取对应的周信息

# 返回：年份，第几周，星期几

today.isocalendar()

输出：

(2020, 1, 1)

# 直接获取星期几

today.isoweekday()

输出：

1

# 给定月份，返回当月第一天的星期以及最后一天

calendar.monthrange(2019,9)

输出：

(6, 30)

# 本周第一天

today = datetime.date.today()

today - datetime.timedelta(days=today.weekday())

# weekday方法返回的是以星期日为起点的第几天

输出：

datetime.date(2019, 12, 30)

# 本周最后一天

today + datetime.timedelta(days=7-today.isoweekday())

# isoweekday方法是我们平常见到的星期几

输出：

datetime.date(2020, 1, 5)

格式转换

字符串转日期

# 字符串转日期

# 默认是转成日期时间格式

# 如果要获得日期，可以在日期时间格式的基础上加.date()

day_str = '2019-08-01'

day_time = datetime.datetime.strptime(day_str,'%Y-%m-%d')

print(day_time)

day_date = day_time.date()

print(day_date)

输出：

2019-08-01 00:00:00

2019-08-01

time_str = '2019-08-01 11:01:33'

time_time = datetime.datetime.strptime(time_str,'%Y-%m-%d %H:%M:%S')

print(time_time)

time_date = time_time.date()

print(time_date)

输出：

2019-08-01 11:01:33

2019-08-01

# 其他格式

date_str = '2019/8/3'

date_date = datetime.datetime.strptime(date_str,'%Y/%m/%d')

print(date_date)

date_str = '2019.8.3'

date_date = datetime.datetime.strptime(date_str,'%Y.%m.%d')

print(date_date)

输出：

2019-08-03 00:00:00

2019-08-03 00:00:00

日期转字符串

str(today)

输出：

'2019-12-30'

str(now)

输出：

'2019-12-30 11:50:14.037643'

datetime.datetime.strftime(now,'%Y-%m-%d')

输出：

'2019-12-30'

datetime.datetime.strftime(now,'%Y-%m-%d %H:%M:%S')

输出：

'2019-12-30 11:50:14'

unixtime

# 日期时间转unixtime

time.mktime(today.timetuple())

输出：

1577635200.0

time.mktime(now.timetuple())

输出：

1577677814.0

# unix time 转正常日期时间格式

# unix time 是指从1970.1.1起至今的总秒数

# 通常都是10位整数，如果是11位的话，那就是2286年以后的事情了

datetime.datetime.fromtimestamp(10000000000)

输出：

datetime.datetime(2286, 11, 21, 1, 46, 40)

# 如果你看到unix time超过10位数，就意味着后面的单位是毫秒或者更细的颗粒度

# 通常到秒级就可以，这个时候可以截取前10位整数来转化得到对应的日期时间

time_unix = 1577635200.0

datetime.datetime.fromtimestamp(time_unix)

输出：

datetime.datetime(2019, 12, 30, 0, 0)

# unix time 是指从1970.1.1起至今的总秒数

# 不过你会发现直接减出来的秒数和用time.mktime方法得到的会不一样

# 这是因为中国的时区需要偏移8个小时，也就是8*3600s

(today - datetime.date(1970, 1, 1)).total_seconds() - time.mktime(today.timetuple())

输出：

28800.0

28800/3600

输出：

8.0

时间计算

时间偏移

# 使用datetime.timedelta()方法

# timedelta(days=0, seconds=0, microseconds=0, milliseconds=0, minutes=0, hours=0, weeks=0)

# 计算操作符可+可-，后面的时间单位也可正可负

now + datetime.timedelta(days=1)

输出：

datetime.datetime(2019, 12, 31, 10, 29, 51, 213734)

now + datetime.timedelta(days=-1)

输出：

datetime.datetime(2019, 12, 29, 10, 29, 51, 213734)

pandas 生成时间

date_range(start=None, end=None, periods=None, freq=None, tz=None)

start : str or datetime-like, optional

Left bound for generating dates.
end : str or datetime-like, optional

Right bound for generating dates.
periods : integer, optional

Number of periods to generate.
freq : str or DateOffset, default 'D'

Frequency strings can have multiples, e.g. '5H'. See

:ref:here <timeseries.offset_aliases> for a list of

frequency aliases.
tz : str or tzinfo, optional

# 间隔的频率，可以是天 'D'

pd.date_range(start = '2020-1-1',freq='D',periods=3)

输出：

DatetimeIndex(['2020-01-01', '2020-01-02', '2020-01-03'], dtype='datetime64[ns]', freq='D')

# 也可以是小时 H

pd.date_range(start = '2020-1-1',freq='H',periods=3)

输出：

DatetimeIndex(['2020-01-01 00:00:00', '2020-01-01 01:00:00', '2020-01-01 02:00:00'], dtype='datetime64[ns]', freq='H')

# 可以间隔多天

pd.date_range(start = '2020-1-1',freq='2D',periods=3)

输出：

DatetimeIndex(['2020-01-01', '2020-01-03', '2020-01-05'], dtype='datetime64[ns]', freq='2D')

# 也可以间隔多个小时

pd.date_range(start = '2020-1-1',freq='6H',periods=3)

输出：

DatetimeIndex(['2020-01-01 00:00:00', '2020-01-01 06:00:00', '2020-01-01 12:00:00'], dtype='datetime64[ns]', freq='6H')

# 还可以混合

pd.date_range(start = '2020-1-1',freq='2D6H',periods=3)

输出：

DatetimeIndex(['2020-01-01 00:00:00', '2020-01-03 06:00:00', '2020-01-05 12:00:00'], dtype='datetime64[ns]', freq='54H')

pd.date_range(start = '2020-1-1',freq='Q',periods=3)

输出：

DatetimeIndex(['2020-03-31', '2020-06-30', '2020-09-30'], dtype='datetime64[ns]', freq='Q-DEC')

时间差

time_next = now + datetime.timedelta(weeks=3)

time_gap = time_next-now

# 时间差的天数，总秒数

print(time_gap.days,time_gap.total_seconds())

输出：

21 1814400.0

码农公寓