python时间日期的处理

python的时间操作，内置模块有time、datetime、 calendar 。datetime模块，是对time的封装，提供了更丰富的接口

1.内置time模块

time模块中有三种格式：
timestamp时间戳 struct_time时间元组 format time 格式化时间
timestamp 时间戳表示的是从1970年1月1日00:00:00开始按秒计算的偏移量
struct_time时间元组  共9个元素组成。用一个元组装起来的9组数字。可以通过索引访问相应的值，为年、月、日、时、分、秒、一周第几日、一年第几日、夏令时
format time 格式化时间，已格式化的结构使时间更具可读性。包括自定义格式和固定格式 

time模块的函数方法

time.time() #查看当前时间戳

time.sleep()

线程将推迟指定的时间后运行下面的代码，单位为秒。其精度为亚秒级

time.localtime(seconds=None)

将一个时间戳转化为当前地区的一个struct_time()类型元组，默认当前时间

time.mktime(p_tuple)

将一个 struct_time()类型元组 转换为时间戳

time.ctime(seconds=None)

将一个时间戳换成一个时间字符串 ，默认当前时间

time.strptime()

将 struct_time() 转换为字符串

time.strftime()

将字符串格式的日期转换为 time.strptime()

print(time.time())       #当前时间戳
print(time.localtime())   #将时间戳转换为struct_time
print(time.mktime((2020,4,24,5,2,3,4,115,0)))  #将struct_time转换为时间戳
print(time.ctime())       #将时间戳转换为字符串
print(time.strftime('%Y-%m-%d',time.localtime()))  #将struct_time转换为字符串
print(time.strptime('2020/04/05','%Y/%m/%d'))      #将字符串转换为struct_time

2. 内置datetime模板，有date、time、datetime、timedelta四种数据类型

date 存储年月日
time 存储时分秒
datetime  以毫秒形式存储日期和时间，时间戳表示的是从1970年1月1日00:00:00开始按秒计算的偏移量 
timedelta 两个以datetime数据格式之间的时间差

date类

date对象由year年份、month月份及day日期三部分构成：datetime.date(year, month, day)

from datetime import datetime,date,timedelta,time
a = date.today()
print(a)
print(a.year,a.month,a.day)

2020-04-24
2020 4 24

date datetime calendar
datetime 数据类型==> date time datetime timedelta
datetime.now() ==>datetime.datetime(year, m, d, h, m, s,ms) ==>now.year ==>datatime以毫秒存储日期时间
1.datetime与str
利用str或strftime方法
str(date(year,month,day))
datetime(year,m,day).strftime(‘%Y-%m-%d’)
datatime.strptime方法将str转换为日期,通过已知的格式进行日期解析
datestrs=[‘2016/6/1′,’2016/8/6′] ==> [datatime.strptiem(x,’%Y/%m/%d’) for x in datestrs]

from dateutil.parser import parse
parse('2018/02/03 02:03:02')
parse可以自动解析通用的时间日期格式类，将字符串转换为datetime对象，减少用datetime.strptime()每次指定格式

pandas时间处理

pandas时间序列中，相应也存在时间戳、时间日期的序列

pandas时间戳序列： pd.date_range(”,periods=),返回DtatimeIndex的时间序列对象

dt = pd.date_range('20200301',periods=10)
print(dt)
DatetimeIndex(['2020-03-01', '2020-03-02', '2020-03-03', '2020-03-04',
                '2020-03-05', '2020-03-06', '2020-03-07', '2020-03-08',
                '2020-03-09', '2020-03-10'],
               dtype='datetime64[ns]', freq='D')

pandas时期对象:pd.Period()

dt = pd.Period('2010',freq='M')
print(dt)
2010-01

pandas的时期序列:pd.period_range()

dt = pd.period_range('2010-01-01',freq='M',periods=10)
print(dt)
PeriodIndex(['2010-01', '2010-02', '2010-03', '2010-04', '2010-05', '2010-06','2010-07', '2010-08', '2010-09', '2010-10'],dtype='period[M]', freq='M')
返回的是PeriodIndex,时期序列对象

pandas时间序列

时间戳的时间序列和时期的时间序列相互转换

dt = pd.DataFrame(np.arange(10),index=pd.date_range('20200101',periods=10))
print(dt.index)
DatetimeIndex(['2020-01-01', '2020-01-02', '2020-01-03', '2020-01-04',
                '2020-01-05', '2020-01-06', '2020-01-07', '2020-01-08',
                '2020-01-09', '2020-01-10'],
               dtype='datetime64[ns]', freq='D')

newdt = dt.to_period()
print(newdt.index)
  PeriodIndex(['2020-01-01', '2020-01-02', '2020-01-03', '2020-01-04',
              '2020-01-05', '2020-01-06', '2020-01-07', '2020-01-08',
              '2020-01-09', '2020-01-10'],
             dtype='period[D]', freq='D') 
DateFrame的索引为DatetimeIndex对象，可以用to_period()方法，将时间戳序列转换为时间日期序列，默认时间间隔为天 

olddt = newdt.to_timestamp()
print(olddt.index)
DatetimeIndex(['2020-01-01', '2020-01-02', '2020-01-03', '2020-01-04',
                '2020-01-05', '2020-01-06', '2020-01-07', '2020-01-08',
                '2020-01-09', '2020-01-10'],
               dtype='datetime64[ns]', freq='D')
同样，时间日期序列，可以使用to_timestamp()方法转换为时间戳序列

时间序列和时间戳直接相互转换时，会产生时间精度丢失

pandas时间序列重采样

resample()

dt = pd.DataFrame(np.random.rand(10),index=pd.date_range('2020-02-01 09:50',periods=10,freq='T'))
print(dt)
2020-02-01 09:50:00  0.830833
 2020-02-01 09:51:00  0.419032
 2020-02-01 09:52:00  0.118628
 2020-02-01 09:53:00  0.281052
 2020-02-01 09:54:00  0.716910
 2020-02-01 09:55:00  0.611131
 2020-02-01 09:56:00  0.599084
 2020-02-01 09:57:00  0.948396
 2020-02-01 09:58:00  0.510810
 2020-02-01 09:59:00  0.765798

new = dt.resample('2min').sum()
print(new)
2020-02-01 09:50:00  1.740691
 2020-02-01 09:52:00  1.497430
 2020-02-01 09:54:00  0.444975
 2020-02-01 09:56:00  0.503731
 2020-02-01 09:58:00  1.402243
resample时间戳重采样，设置采样间隔和聚合方式

groupby的两种方式：
newdt = dt.groupby(lambda x:datetime.datetime.strftime(x,'%Y-%m-%d')).sum()
newdt = dt.groupby(dt.index.to_period('D')).sum()
print(newdt)
2020-02-01  5.521197
两种效果一样，一种是直接转换成字符串，一种是将时间戳转换成时间日期序列，区别在于第一种是字符串对象，第二种的index是时间序列对象