用Python进行时间处理合集
一、Time
平常的工作与学习中，会遇到许许多多与时间相关的问题，例如时间戳，时间格式化等等。所以今天就带大家了解一下python中处理时间的模块，time，更多的是希望大家不在坑里反复循环的进去出来，相信大家都比我聪明 -_ -…
1.1.获取当前时间
1.2.将时间戳转化为时间元组
首先，获取当前时间（以下代码默认导入time模块，不再重复）
import time
time.time()
#获取当前时间戳：1542610928.524562
time.localtime(time.time())
#获取当前时间:将时间戳转换为时间元组
#time.struct_time(tm_year=2018, tm_mon=11, tm_mday=19, tm_hour=15, tm_min=2, tm_sec=8, tm_wday=0, tm_yday=323, tm_isdst=0)
1.3.struct_time（时间元组）中各部分的含义
| 属性 | 值 |
|---|---|
| tm_year | 2020 |
| tm_mon | 3（1到12） |
| tm_mday | 26（1到31） |
| tm_hour | 11（0到23） |
| tm_min | 36（0到59） |
| tm_sec | 8（0到61，60 或61是闰秒） |
| tm_wday | 3（0到6，0是周一） |
| tm_yday | 82（1到366（儒略历）） |
| tm_isdst | 0（-1，0，1，-1是决定是否为夏令时的旗帜） |
1.4.获取格式化时间
asctime方法：直接获取可读的时间格式
time.asctime( time.localtime(time.time()))
#'Thu Mar 26 11:39:12 2020'
strftime方法：获取自定义格式的时间，获取对象为时间元组
time.strftime("%a %b %d %H:%M:%S %Y", time.localtime())
#'Thu Mar 26 11:40:00 2020'
time.strftime("%Y-%m-%d %H:%M:%S", time.localtime())
#'2020-03-26 11:40:10'
1.5.时间日期格式化符号
| %y 两位数的年份表示（00-99） | %Y 四位数的年份表示（000-9999） |
| %m 月份（01-12） | %d 月内中的一天（0-31） |
| %H 24小时制小时数（0-23） | % I 12小时制小时数（01-12） |
| %M 分钟数（00=59） | %S 秒（00-59） |
| %a 本地简化星期名称 | %A 本地完整星期名称 |
| %b 本地简化的月份名称 | %B 本地完整的月份名称 |
| %c 本地相应的日期表示和时间表示 | % j 年内的一天（001-366） |
| %p 本地A.M.或P.M.的等价符 | %U 一年中的星期数（00-53）星期天为星期的开始 |
| %w 星期（0-6），星期天为星期的开始 | %W 一年中的星期数（00-53）星期一为星期的开始 |
| %x 本地相应的日期表示 | %X 本地相应的时间表示 |
| %Z 当前时区的名称 | %% %号本身 |
1.6.将格式字符串转换为时间戳
将格式字符串转换为时间戳：（上面通过time.localtime将时间戳转换为时间元组，这里是逆过程）
time.mktime(time.strptime())
其中strptime()根据字符串对应的时间格式把一个时间字符串解析为时间元组。
a ='Mon Nov 19 15:21:20 2018'
time.mktime(time.strptime(a,"%a %b %d %H:%M:%S %Y"))
#时间戳为：1542612080.0
1.7.Time模块的其他重要函数：
time.sleep()，time.timezone
time.sleep(secs)
#推迟调用程序的运行，secs指秒数。
time.timezone
#显示当地时区（未启动夏令时）距离格林威治的偏移秒数（>0，美洲;<=0大部分欧洲，亚洲，非洲）。
内容不多，目的是想让大家明确如何将时间与时间戳来回转换，并且中间需要时间元组进行过渡，明白了这一点就ok了。
二、Datetime
接下来看下Datetime模块，这里主要想解决的问题是如何计算两个时间的差，并且返回秒，分钟，小时，所以内容主要更偏向于解决问题，如果大家没有看到自己需要的，最后会放上官方文档供大家参考。
首先看一下它具有的类及描述：
| 类名 | 描述 |
|---|---|
| datetime.date | 日期对象，属性：year，month，和 day 。 |
| datetime.time | 时间对象，属性：hour，minute，second，microsecond 和 tzinfo。 |
| datetime.datetime | 日期和时间的组合对象，属性：year，month，day，hour，minute，second，microsecond 和 tzinfo。 |
| datetime.timedelta | 两个日期或时间之间的差。 |
| datetime.tzinfo | 表示 UTC 时区的固定偏移，是 tzinfo 基类的实现 |
| datetime.timezone | 将 tzinfo 抽象基类实现为与UTC的固定偏移量的类。 |
这里需要注意的是datetime默认的两个常量分别是MINYEAR和MAXYEAR，即最小年与最大年分别是1和9999
datetime.MINYEAR
#1
datetime.MAXYEAR
#9999
为大家科普一下常用的方法：
datetime.date.today()
返回当前时间，只会返回年月日。
datetime.date.fromtimestamp(timestamp)
返回时间戳所对应的时间，只会返回年月日。
datetime.datetime.now()
返回当前时间，返回值为年月日，小时，分钟，秒，毫秒。
datetime.datetime.strptime(‘2018-11-20 15:51:24.482422’,"%Y-%m-%d %H:%M:%S.%f")
按字符串的格式返回datetime.datetime数据。
datetime.datetime.fromtimestamp(1542696019.5583735)
返回时间戳所对应的时间，包含年月日，小时，分钟，秒，微秒。
datetime.datetime.timestamp(datetime.datetime())
返回时间戳，输入的是datetime.datetime类型数据。
datetime.date.today()
#datetime.date(2018, 11, 20)
datetime.date.fromtimestamp(1542696019.5583735)
#datetime.date(2018, 11, 20)
datetime.datetime.now()
#datetime.datetime(2018, 11, 20, 16, 4, 41, 186189)
datetime.datetime.strptime('2018-11-20 15:51:24.482422',"%Y-%m-%d %H:%M:%S.%f")
#datetime.datetime(2018, 11, 20, 15, 51, 24, 482422)
datetime.datetime.fromtimestamp(1542696019.5583735)
#datetime.datetime(2018, 11, 20, 14, 40, 19, 558373)
datetime.datetime.timestamp(datetime.datetime(2018, 11, 20, 14, 40, 19, 558373))
#1542696019.558373
这里提示大家一下，datetime.date.today()和datetime.datetime.now()返回的值是datetime.datetime格式，可以直接用str(datetime.datetime.now())的方法将数据转换为字符串，方便进行存储。例如str(a)，返回的结果是个字符串。
接下来进入正题：
<mark>首先创建两个时间：</mark>
a = datetime.datetime.now()
b = datetime.datetime.now()
#注意这两个时间是在不同时间创建的，所以值不相同。
<mark>将这两个时间相减可得：</mark>
c = b-a
c
#datetime.timedelta(0, 283, 433989)
#上面是两个时间相减产生的结果，返回的参数分别为天，秒，微秒
type(c)
#datetime.timedelta
<mark>依次调用 datetime.timedelta 的属性：</mark>
c.days
#0
#天数
c.seconds
#283
#秒数
c.total_seconds()
#283.433989
#秒数加微秒的值
结果就如上所示了，其实关键点就是要先将时间转换成 datetime.datetime 形式，然后就可以直接做运算。
三、pandas.to_datetime
pandas.to_datetime()，它是pandas库的一个方法，pandas库想必大家非常熟悉了，这里不再多说。这个方法的实用性在于，当需要批量处理时间数据时，无疑是最好用的。
首先看一下它的主要几个参数
pandas.to_datetime（arg，errors ='raise'，utc = None，format = None，unit = None ）
| 参数 | 意义 |
|---|---|
| errors | 三种取值，‘ignore’, ‘raise’, ‘coerce’，默认为raise。‘raise’，则无效的解析将引发异常。‘coerce’，那么无效解析将被设置为NaT。‘ignore’，那么无效的解析将返回输入值 |
| utc | 布尔值，默认为none。返回utc即协调世界时。 |
| format | 格式化显示时间的格式。 |
| unit | 默认值为‘ns’，则将会精确到微妙，‘s’为秒。 |
例子
官方文档中有几个简单的例子，这里稍微提一下：
1、
df = pd.DataFrame({
'year': [2015, 2016],
'month': [2, 3],
'day': [4, 5]})
pd.to_datetime(df)
#0 2015-02-04
#1 2016-03-05
#dtype: datetime64[ns]
#可以看到将字典形式时间转换为可读时间
2、
pd.to_datetime('13000101', format='%Y%m%d', errors='ignore')
#datetime.datetime(1300, 1, 1, 0, 0)
pd.to_datetime('13000101', format='%Y%m%d', errors='coerce')
#NaT
#如果日期不符合时间戳限制，则errors ='ignore'将返回原始输入，而不会报错。
#errors='coerce'将强制超出NaT的日期，返回NaT。
然而实际中遇到的可能是这样的数据：
通过pandas.read_csv()或者pandas.read_excel()读取文件过后，得到的数据列对应的类型是“object”，这样没法对时间数据处理，可以用过pd.to_datetime将该列数据转换为时间类型，即datetime。
data.dtypes
# object
data= pd.to_datetime(data)
data.dtypes
# datetime64[ns]
转换过后就可以对这些时间数据操作了，可以相减求时间差，计算相差的秒数和天数，调用的方法和datetime库的方法一致，分别是 data.dt.days() 、data.dt.seconds() 、data.dt.total_seconds()。
到这里就结束了吗？ 不不，还没有。这里再教大家通过pandas将时间与时间戳相互转换，原理是一样的通过datetime、time库，技巧是用apply()函数来实现它。
将data的所有时间转换为时间戳（此时数据类型已经是datetime，是object的报错不要找我。。）
data = data.apply(lambda x:time.mktime(x.timetuple()))
#x.timetuple()将时间转换为时间元组，提前导入time模块
将data的所有时间戳转换为可读时间：
data = data.apply(lambda x:time.strftime('%Y/%m/%d %H:%M:%S',time.localtime(x)))
#代码含义为：先读取时间戳数据，将其转换为时间元组，在通过格式化时间转换为可读的时间格式
结束了结束了。。
errors ='ignore’是什么意思
pd.to_datetime(‘13000101’, format=’%Y%m%d’, errors=‘coerce’)
#NaT
#如果日期不符合时间戳限制，则errors ='ignore’将返回原始输入，而不会报错。
#errors='coerce’将强制超出NaT的日期，返回NaT。
京公网安备 11010502036488号