前言

由于在Pandas中经常要处理到时间序列数据，需要把一些object或者是字符、整型等某列进行转换为pandas可识别的datetime时间类型数据，方便时间的运算等操作。正好原来有篇文章特别是讲述

一文速学-Pandas处理时间序列数据操作详解。这篇文章忽略掉了如何转换为时间序列数据，正好补上，这样就实现的Pandas处理时间数据的全部内容和方法了。大家如果经常要使用到pandas dataframe处理时间数据不妨将两篇文章细读收藏，可以解决绝大多数处理时间序列的问题。有任何疑惑或者是问题可随时在评论区提出，博主会长期维护博文正确性，望大家指正，不吝赐教。

一、Time Series / Date functionality

首先要了解转换机制我们才能更好的明白转换原理。在Pandas中时间数据类型依赖于两种类型：一种是Numpy的datetime64类型，另一种是timedelta64。前者代表为时间数据，可以有各类时间表达方法，后者为时间量表示数据，可以为时间差值。

在处理时间序列数据时，我们会经常寻求：

生成固定平率日期和时间跨度的序列

各类数据转换为时间类型数据，且格式指定为需求的格式

将时间序列频率需求

对于创建和转换时间序列，官方给出了相对应的函数列表

类型 说明 创建函数

Timestamp 表示为单个时间戳 to_datetime,Timestamp

DatetimeIndex 表示时间维度数据 to_datetime、date_range、bdate_range、DatetimeIndex

Period 表示单个时间跨度 Period

PeriodIndex 指数Period period_range,PeriodInex

1.创建日期范围

rng = pd.date_range('6/14/2022', periods=3, freq='H')

periods为指定的时间次数，freq为时间变化频时。

DatetimeIndex(['2011-01-01 00:00:00', '2011-01-01 01:00:00',

              '2011-01-01 02:00:00'],

             dtype='datetime64[ns]', freq='H')

rng = pd.date_range('1/1/2011', periods=5, freq='d')

DatetimeIndex(['2011-01-01', '2011-01-02', '2011-01-03', '2011-01-04',

              '2011-01-05'],

             dtype='datetime64[ns]', freq='D')

2.频率截至

通过使用asfreq改变频率函数设定每次频率改变可以设定每个时间片都对应一个值：

rng = pd.date_range('1/1/2011', periods=2, freq='d')
ts = pd.Series(np.random.randn(len(rng)), index=rng)
converted = ts.asfreq('360Min', method='pad')

2011-01-01 00:00:00    2.397753

2011-01-01 06:00:00    2.397753

2011-01-01 12:00:00    2.397753

2011-01-01 18:00:00    2.397753

2011-01-02 00:00:00    1.489299

Freq: 360T, dtype: float64

将系列重新采样为每日频率resample：

rng = pd.date_range('1/1/2011', periods=5, freq='H')
ts = pd.Series(np.random.randn(len(rng)), index=rng)
ts.resample('D').mean()

2011-01-01   -0.245825

Freq: D, dtype: float64

3.Series数据类型转换

我们知道单个的DataFrame的一列数据其实提出来就是一个Series：

df=pd.DataFrame({'name':['Tom','Stark'],
                'sex':['男','女']
               })
print(type(df['name']))

而to_datetime函数使用对象就是Series函数，因此在Pandas 中需要大量用到to_datetime函数，该函数我将会专门写一文来具体说明此函数和参数的全部用法。现作简单使用即可：

我们拿一个dataframe来展示：

df_csv.dtypes

collect_date          object

cid                    int64

sid_sum                int64

lg_track_traffic       int64

lg_track_len         float64

avg_day_sid_num        int64

avg_day_track_len      int64

dtype: object

我们想要把这一列object64类型数据转换为datetime数据类型，就可以使用to_dataframe函数了：

df_csv['collect_date']=pd.to_datetime(df_csv['collect_date'],format="%Y-%m-%d")
df_csv.dtypes

collect_date         datetime64[ns]

cid                           int64

sid_sum                       int64

lg_track_traffic              int64

lg_track_len                float64

avg_day_sid_num               int64

avg_day_track_len             int64

dtype: object

若以日期开头可以通过传递dayfirst标识 ：

pd.to_datetime(['14-01-2012', '01-14-2012'], dayfirst=True)

DatetimeIndex(['2012-01-14', '2012-01-14'], dtype='datetime64[ns]', freq=None)

其他int64等类型都可以通过该方法进行转换，但是如果想要把这列数据转换为想要的format格式的类型，就得使用datetime库了，该库不能直接对Series使用。需要把列元素单独拿出来再转换：

df_csv['collect_date']=df_csv['collect_date'].apply(lambda x: datetime.datetime.strftime(x,"%Y%m%d"))

strftime可以将x传入的参数转换为想要的格式，此函数上篇文章已讲过，这里不在重复。

二、时间戳与时间跨度

1.时间格式引用

import pandas as pd
import datetime
pd.Timestamp(datetime.datetime(2022,6,14))

时间戳数据是将值与时间点相关联的最基本类型的时间序列数据。对于 pandas 对象，这意味着使用时间点。  

Timestamp('2022-06-14 00:00:00')

pd.Timestamp('2022-06-14')

Timestamp('2022-06-14 00:00:00')

pd.Timestamp(2022,6,14)

Timestamp('2022-06-14 00:00:00')

但是，在许多情况下，将诸如更改变量之类的事物与时间跨度相关联更为自然。表示的跨度Period可以显式指定，也可以从日期时间字符串格式推断。

pd.Period('2022-06-14 10:46')

Period('2022-06-14 10:46', 'T')

pd.Period('2022-06-14')

Period('2022-06-14', 'D')

pd.Period('2022-06-14',freq='M')

Period('2022-06', 'M')

Period和Timestamp都可以作为index索引。Timestamp和的列表 Period被自动强制转换为DatetimeIndex 和PeriodIndex。

在底层，pandas 使用 的实例表示时间戳，Timestamp使用 DatetimeIndex. 对于常规时间跨度，pandas 将Period对象用于标量值和PeriodIndex跨度序列。

2.生成时间戳范围

在生成带有时间戳的索引，可以使用DatetimeIndex和Index构造函数并传入日期时间对象列表：

dates = [datetime(2022, 6, 10), datetime(2022, 6, 11), datetime(2022, 6, 12)]
index = pd.DatetimeIndex(dates)

DatetimeIndex(['2022-06-10', '2022-06-11', '2022-06-12'], dtype='datetime64[ns]', freq=None)

index = pd.Index(dates)

DatetimeIndex(['2022-06-10', '2022-06-11', '2022-06-12'], dtype='datetime64[ns]', freq=None)

但是这确实挺麻烦的需要一个一个输入时间戳数据。如果有固定的频率需求的时间戳，可以使用date_range()和bdate_range()函数来创建一个DatetimeIndex。默认频率为date_range的日，而默认频率bdate_range为工作日：

start=datetime(2022,6,10)
end=datetime(2022,6,14)
index=pd.date_range(start,end)

DatetimeIndex(['2022-06-10', '2022-06-11', '2022-06-12', '2022-06-13',

              '2022-06-14'],

             dtype='datetime64[ns]', freq='D')

index = pd.bdate_range(start, end)

DatetimeIndex(['2022-06-10', '2022-06-13', '2022-06-14'], dtype='datetime64[ns]', freq='B')

而6月11和6月12日正好为休息日故不显示。

当然也可以通过指定相应的频率实现到最终的日期：

pd.date_range(start, periods=5, freq='M')

DatetimeIndex(['2022-06-30', '2022-07-31', '2022-08-31', '2022-09-30',

              '2022-10-31'],

             dtype='datetime64[ns]', freq='M')

参数 freq

数据格式 string 或 DateOffset，默认值是 'D'，表示以自然日为单位。这个参数用来指定计时频率，比如  '5H'  表示每隔 5 个小时计算一次。

一些串别名被赋予有用的常见时间序列频率。我们将把这些别名称为偏移别名。

B       工作日频率

D       日历日频率

W       每周频率

W-SUN   星期天为起始(Sundays). 等同 ‘W’

W-MON   星期一为起始(Mondays)

W-TUE   星期二为起始(Tuesdays)

W-WED   星期三为起始(Wednesdays)

W-THU   星期四为起始(Thursdays)

W-FRI   星期五为起始(Fridays)

W-SAT   星期六为起始(Saturdays)

WOM     每月的第几周的第几天

BH      工作小时级频率

H       小时级频率

T,min   分钟级频率

S       秒级频率

L,ms    毫秒

U,us    微秒

N       纳秒

M       月结束频率，如'2018-11-30', '2018-12-31'

SM      半月结束频率（15日和月末）

BM      工作月结束频率

MS      月起始频率，如'2018-12-01'

SMS     短信半月开始频率（第1和第15）

BMS     工作月份开始频率

Q       季末频率

BQ      工作季度结束频率

QS      季度开始频率

BQS     工作季度开始频率

A,Y     年结束频率，如'2000-12-31'

A-DEC   年级别的频率，以 十二月（December） 为年底，等同 'A'。

A-JAN   年级别的频率，以 一月（January ）为年底。（其他二到十一月：FEB、MAR、APR、MAY、JUN、JUL、AUG、SEP、OCT、NOV）

BA,BY   工作年度结束频率

AS,YS   年开始频率

BAS,BYS 工作年度开始频率

更多：

https://pandas.pydata.org/pandas-docs/stable/user_guide/timeseries.html#timeseries-offset-aliases

这篇先讲到这里，接下来会有两篇重点解释to_datetime（）函数和date_range、bdate_range函数。