上查看所有课程
在 Pandas 中，DateTime 是一种表示时间点的数据类型。当处理股票价格、天气记录、经济指标等时间序列数据时，它特别有用。
我们使用 to_datetime() 函数将字符串转换为 DateTime 对象。让我们看一个例子。
import pandas as pd
# create a datetime string
date_string = '2001-12-24 12:38'
print("String:", date_string)
# convert string to datetime
date = pd.to_datetime(date_string)
print("DateTime:", date)
print(type(date))输出
String: 2001-12-24 12:38 DateTime: 2001-12-24 12:38:00 <class 'pandas._libs.tslibs.timestamps.Timestamp'>
在上面的示例中，我们使用 to_datetime() 将 string 转换为 DateTime。
将字符串转换为 DateTime
如上例所示，我们可以使用 to_datetime() 将任何有效字符串转换为 DateTime。
让我们看一些示例。
示例：带默认参数的 to_datetime()
import pandas as pd
# create a dataframe with date strings
df = pd.DataFrame({'date': ['2021-01-13', '2022-10-22', '2023-12-03']})
# convert the 'date' column to datetime
df['date'] = pd.to_datetime(df['date'])
print(df)输出
date 0 2021-01-13 1 2022-10-22 2 2023-12-03
在此示例中，我们将 'date' 列从字符串数据类型转换为 DateTime 数据类型。
默认情况下，Pandas 的 to_datetime() 函数期望日期字符串的格式为 YYYY-MM-DD。
示例：带日优先格式的 to_datetime()
import pandas as pd
# create a dataframe with date strings in day-first format
df = pd.DataFrame({'date': ['13-02-2021', '22-03-2022', '30-04-2023']})
# convert the 'date' column to datetime with day-first format
df['date'] = pd.to_datetime(df['date'], dayfirst=True)
print(df)输出
date 0 2021-02-13 1 2022-03-22 2 2023-04-30
在此示例中，日期列包含格式为 DD-MM-YYYY 的字符串。
我们将 dayfirst=True 传递给 to_datetime() 函数，以将日优先格式的字符串转换为 DateTime。
请注意，DateTime 数据始终采用 YYYY-MM-DD 格式。
示例：带自定义格式的 to_datetime()
import pandas as pd
# create a dataframe with date strings in custom format
df = pd.DataFrame({'date': ['2021/22/01', '2022/13/01', '2023/30/03']})
# convert the 'date' column to datetime with custom format
df['date'] = pd.to_datetime(df['date'], format='%Y/%d/%m')
print(df)输出
date 0 2021-01-22 1 2022-01-13 2 2023-03-30
在此示例中，我们将日期列（格式为 YY/DD/MM）从字符串转换为 DateTime 数据类型。
从多个列获取 DateTime
我们还可以使用 to_datetime() 函数从多个列组合 DateTime。
让我们看一个例子。
import pandas as pd
# create a dataframe with separate date and time columns
df = pd.DataFrame({'year': [2021, 2022, 2023],
'month': [1, 2, 3],
'day': [1, 2, 3],
'hour': [10, 11, 12],
'minute': [30, 45, 0],
'second': [0, 0, 0]})
# combine date and time columns to create a datetime column
df['datetime'] = pd.to_datetime(df[['year', 'month', 'day', 'hour', 'minute', 'second']])
print(df)输出
year month day hour minute second datetime 0 2021 1 1 10 30 0 2021-01-01 10:30:00 1 2022 2 2 11 45 0 2022-02-02 11:45:00 2 2023 3 3 12 0 0 2023-03-03 12:00:00
在此示例中，我们通过将列列表传递给 to_datetime() 函数，从不同列组合了完整的日期和时间。
从 DateTime 获取年、月和日
我们可以分别使用内置属性 dt.year、dt.month 和 dt.day 从 Pandas DateTime 对象获取年、月和日。
让我们看一个例子。
import pandas as pd
# create a dataframe with a datetime column
df = pd.DataFrame({'datetime': ['2021-01-01', '2022-02-02', '2023-03-03']})
# convert the 'datetime' column to datetime type
df['datetime'] = pd.to_datetime(df['datetime'])
# extract year, month, and day into separate columns
df['year'] = df['datetime'].dt.year
df['month'] = df['datetime'].dt.month
df['day'] = df['datetime'].dt.day
print(df)输出
datetime year month day 0 2021-01-01 2021 1 1 1 2022-02-02 2022 2 2 2 2023-03-03 2023 3 3
获取星期几、一年中的第几周和闰年
我们还有内置属性可以获取星期几、一年中的第几周以及检查给定年份是否为闰年。
例如，
import pandas as pd
# create a dataframe with a datetime column
df = pd.DataFrame({'datetime': ['2021-01-01', '2024-02-02', '2023-03-03']})
# convert the 'datetime' column to datetime type
df['datetime'] = pd.to_datetime(df['datetime'])
# get the day of the week
df['day_of_week'] = df['datetime'].dt.day_name()
# get the week of the year
df['week_of_year'] = df['datetime'].dt.isocalendar().week
# check for leap year
df['leap_year'] = df['datetime'].dt.is_leap_year
print(df)输出
datetime day_of_week week_of_year leap_year 0 2021-01-01 Friday 53 False 1 2024-02-02 Friday 5 True 2 2023-03-03 Friday 9 False
这里，
dt.day_name()- 返回星期几dt.isocalender().week- week 返回一年中的第几周，并且dt.is_leap_year- 检查 DateTime 是否为闰年。
Pandas 中的 DateTime 索引
Pandas 中的 DateTime 索引使用 DateTime 值作为索引值。
当处理天气数据、股票价格和其他时间相关数据等时间序列数据时，datetime 索引特别有用，因为它允许基于时间戳进行自然的组织和操作。
让我们看一个例子。
import pandas as pd
# create a list of datetime values
dates = ['2021-01-01', '2021-01-02', '2021-01-03', '2021-01-04', '2021-01-05']
# create a DataFrame with a DateTimeIndex
df = pd.DataFrame({'values': [10, 20, 30, 40, 50]}, index=pd.to_datetime(dates))
print(df)输出
values 2021-01-01 10 2021-01-02 20 2021-01-03 30 2021-01-04 40 2021-01-05 50