Pandas日期时间怎么使用？

Pandas可以提供与所有域的时间序列数据一起使用的功能。它还使用NumPy datetime64和timedelta64 dtypes合并了其他Python库中的大量功能, 例如scikits.timeseries。它提供了用于处理时间序列数据的新功能。

时间序列工具对于数据科学应用程序最有用, 并且可以处理Python中使用的其他软件包。

范例1：

import pandas as pd   
# Create the dates with frequency   
info = pd.date_range('5/4/2013', periods = 8, freq ='S')   
info

输出

DatetimeIndex(['2013-05-04 00:00:00', '2013-05-04 00:00:01', '2013-05-04 00:00:02', '2013-05-04 00:00:03', '2013-05-04 00:00:04', '2013-05-04 00:00:05', '2013-05-04 00:00:06', '2013-05-04 00:00:07'], dtype='datetime64[ns]', freq='S')

范例2：

info = pd.DataFrame({'year': [2014, 2012], 'month': [5, 7], 'day': [20, 17]})
pd.to_datetime(info)
0   2014-05-20
1   2012-07-17
dtype: datetime64[ns]

如果日期不符合时间戳, 则可以传递errors =’ignore’。它将返回原始输入而不会引发任何异常。

如果你通过errors =’coerce’, 它将对NaT强制执行越界日期。

import pandas as pd
pd.to_datetime('18000706', format='%Y%m%d', errors='ignore')
datetime.datetime(1800, 7, 6, 0, 0)
pd.to_datetime('18000706', format='%Y%m%d', errors='coerce')

输出

Timestamp('1800-07-06 00:00:00')

范例3：

import pandas as pd
dmy = pd.date_range('2017-06-04', periods=5, freq='S')
dmy

输出

DatetimeIndex(['2017-06-04 00:00:00', '2017-06-04 00:00:01', '2017-06-04 00:00:02', '2017-06-04 00:00:03', '2017-06-04 00:00:04'], dtype='datetime64[ns]', freq='S')

示例4：

import pandas as pd
dmy = dmy.tz_localize('UTC')
dmy

输出

DatetimeIndex(['2017-06-04 00:00:00+00:00', '2017-06-04 00:00:01+00:00', '2017-06-04 00:00:02+00:00', '2017-06-04 00:00:03+00:00', '2017-06-04 00:00:04+00:00'], dtype='datetime64[ns, UTC]', freq='S')

示例5：

import pandas as pd
dmy = pd.date_range('2017-06-04', periods=5, freq='S')
dmy

输出

DatetimeIndex(['2017-06-04 00:00:00', '2017-06-04 00:00:01', '2017-06-04 00:00:02', '2017-06-04 00:00:03', '2017-06-04 00:00:04'], dtype='datetime64[ns]', freq='S')