Python中关于时间的处理方式

Data Analysis

Publish Date: 2021-12-20

Update Date: 2024-01-23

Word Count: 1.1k

Read Times: 4 Min

Read Count:

Python中关于时间的处理方式

由于时间是不同于一般数字的另外一种格式，如何处理包含日期在内的时间问题，和各种之间格式之间的转换在面对财务时间数据分析时特别重要，Python提供了多种时间处理方式，这份笔记简单记录这些方法。

datetime库

datetime对象

datetime库中的datetime对象提供了绝大部分日期和时间相关的操作。

# 导入datetime库
import datetime as dt

# 获取当前时间
dt.datetime.now()

datetime.datetime(2021, 12, 20, 15, 40, 23, 156963)

# 另外一种获取当前时间的方式
dt.datetime.today()

datetime.datetime(2021, 12, 20, 15, 41, 43, 422976)

# 如果给定一个datetime对象，可以通过weekday()获取到这一天是星期几（结果从0开始到6分别表示星期一到星期日）
dt.datetime(2021,12,19).weekday()

从上面结果可以看到，时间的默认精确度到了微秒，有时候这个级别的精确度不重要，可以用replace函数将其去掉。

d = dt.datetime.now()
print(f"现在的时间是： {d}")
new_d = d.replace(microsecond=0)
print(f"现在的时间是： {new_d}")

现在的时间是： 2021-12-20 15:51:56.736694
现在的时间是： 2021-12-20 15:51:56

timedelta对象

时间间隔是用timedelta对象表示，这在计算两个时间点之间的时间长度比较重要，比如计算2021年1月1日到现在的时间可以通过下面的方式计算出来。

start = dt.datetime(2021,1,1,0,0)
delta_time = dt.datetime.now() - start
print(f'总共时间间隔： {delta_time}')
print(f'天数：{delta_time.days}')
print(f'秒数：{delta_time.seconds}')
print(f'微秒数：{delta_time.microseconds}')
print(f'总共秒数：{delta_time.total_seconds()}')

总共时间间隔： 353 days, 16:02:54.882767
天数：353
秒数：57774
微秒数：882767
总共秒数：30556974.882767

时间格式

# ISO标准时间格式
d.isoformat()

'2021-12-20T15:51:56.736694'

如果需要变化成其他格式表示，可以通过strftime()函数，详细的格式可以参考Python官方文档。

d.strftime("%A, %d. %B %Y %I:%M%p")

'Monday, 20. December 2021 03:51PM'

不同时区时间

除了now()可以用来获取当前所在位置时间外，使用utcnow()可以获取到UTC时区所对应的当前时间。

dt.datetime.utcnow()

datetime.datetime(2021, 12, 20, 15, 20, 42, 275498)

但是datetime只提供了显示当前UTC所对应的时间，如果需要知道其他时区当前时间可以通过新建tzinfo类的方式来获取，同时也可以通过导入pytz库的方式来获取。pytz的方式更加简单方便。

# 导入pytz库
import pytz

# 获取中国所在的时区
pytz.country_timezones['CN']

['Asia/Shanghai', 'Asia/Urumqi']

# 获取美国东部当前时间
d = dt.datetime.now()
d.astimezone(pytz.timezone("EST"))

datetime.datetime(2021, 12, 20, 10, 31, 41, 949550, tzinfo=<StaticTzInfo 'EST'>)

NumPy

NumPy也提供了一些处理时间的方法

import numpy as np

nd = np.datetime64('2021-12-20')
nd

numpy.datetime64('2021-12-20')

# 将datetime格式的时间转化为numpy格式
d = dt.datetime(2021,12,20,0,0)
np.datetime64(d)

numpy.datetime64('2021-12-20T00:00:00.000000')

# 将numpy时间格式转化为datetime格式可以使用astype函数
nd.astype(dt.datetime)

datetime.date(2021, 12, 20)

# 使用arange生成时间序列，时间间隔1小时
np.arange('2021-12-19T00:00:00','2021-12-20T12:00:00',dtype='datetime64[h]')

array(['2021-12-19T00', '2021-12-19T01', '2021-12-19T02', '2021-12-19T03',
       '2021-12-19T04', '2021-12-19T05', '2021-12-19T06', '2021-12-19T07',
       '2021-12-19T08', '2021-12-19T09', '2021-12-19T10', '2021-12-19T11',
       '2021-12-19T12', '2021-12-19T13', '2021-12-19T14', '2021-12-19T15',
       '2021-12-19T16', '2021-12-19T17', '2021-12-19T18', '2021-12-19T19',
       '2021-12-19T20', '2021-12-19T21', '2021-12-19T22', '2021-12-19T23',
       '2021-12-20T00', '2021-12-20T01', '2021-12-20T02', '2021-12-20T03',
       '2021-12-20T04', '2021-12-20T05', '2021-12-20T06', '2021-12-20T07',
       '2021-12-20T08', '2021-12-20T09', '2021-12-20T10', '2021-12-20T11'],
      dtype='datetime64[h]')

pandas

pandas时间处理方法主要包含Timestamp和to_pydatetime函数。

import pandas as pd

ts = pd.Timestamp('2021-12-20')
ts

Timestamp('2021-12-20 00:00:00')

d = ts.to_pydatetime()
d

datetime.datetime(2021, 12, 20, 0, 0)

pd.to_datetime('2021-12-20', format='%Y-%m-%d')

Timestamp('2021-12-20 00:00:00')

# 使用date_range生成时间序列，时间间隔为1个月
pd.date_range('2021-1-1', freq='M', periods=12)

DatetimeIndex(['2021-01-31', '2021-02-28', '2021-03-31', '2021-04-30',
               '2021-05-31', '2021-06-30', '2021-07-31', '2021-08-31',
               '2021-09-30', '2021-10-31', '2021-11-30', '2021-12-31'],
              dtype='datetime64[ns]', freq='M')