Pandas 日期与时间
Pandas 提供了强大的日期时间处理能力，可以方便地将字符串转换为日期类型，并进行各种日期相关的计算和分析。
创建日期时间
date_range 函数
实例
import pandas as pd
# 创建日期范围
dates = pd.date_range("2024-01-01", periods=10, freq="D")
print("按天：")
print(dates)
print()
# 按月
dates_month = pd.date_range("2024-01-01", periods=12, freq="M")
print("按月：")
print(dates_month)
print()
# 按小时
dates_hour = pd.date_range("2024-01-01 00:00", periods=24, freq="H")
print("按小时（前5条）：")
print(dates_hour[:5])
# 创建日期范围
dates = pd.date_range("2024-01-01", periods=10, freq="D")
print("按天：")
print(dates)
print()
# 按月
dates_month = pd.date_range("2024-01-01", periods=12, freq="M")
print("按月：")
print(dates_month)
print()
# 按小时
dates_hour = pd.date_range("2024-01-01 00:00", periods=24, freq="H")
print("按小时（前5条）：")
print(dates_hour[:5])
DatetimeIndex 与 DatetimeArray
实例
import pandas as pd
import numpy as np
# 使用 datetime 对象创建
dt = pd.DatetimeIndex([
pd.Timestamp("2024-01-01"),
pd.Timestamp("2024-01-02"),
pd.Timestamp("2024-01-03")
])
print("DatetimeIndex：")
print(dt)
print()
# 创建带时间的 Series
s = pd.Series(
[100, 200, 300],
index=pd.date_range("2024-01-01", periods=3, freq="D")
)
print("带日期索引的 Series：")
print(s)
import numpy as np
# 使用 datetime 对象创建
dt = pd.DatetimeIndex([
pd.Timestamp("2024-01-01"),
pd.Timestamp("2024-01-02"),
pd.Timestamp("2024-01-03")
])
print("DatetimeIndex：")
print(dt)
print()
# 创建带时间的 Series
s = pd.Series(
[100, 200, 300],
index=pd.date_range("2024-01-01", periods=3, freq="D")
)
print("带日期索引的 Series：")
print(s)
字符串转日期
pd.to_datetime
实例
import pandas as pd
# 各种格式的字符串转日期
dates_str = ["2024-01-01", "2024/01/02", "01-03-2024", "20240104"]
# 自动推断格式
dt = pd.to_datetime(dates_str)
print("自动推断格式：")
print(dt)
print()
# 指定格式
dt2 = pd.to_datetime(dates_str, format="%Y-%m-%d")
print("指定格式：")
print(dt2)
print()
# 处理无效值
dt3 = pd.to_datetime(["2024-01-01", "invalid", "2024-01-03"], errors="coerce")
print("处理无效值（转为 NaT）：")
print(dt3)
# 各种格式的字符串转日期
dates_str = ["2024-01-01", "2024/01/02", "01-03-2024", "20240104"]
# 自动推断格式
dt = pd.to_datetime(dates_str)
print("自动推断格式：")
print(dt)
print()
# 指定格式
dt2 = pd.to_datetime(dates_str, format="%Y-%m-%d")
print("指定格式：")
print(dt2)
print()
# 处理无效值
dt3 = pd.to_datetime(["2024-01-01", "invalid", "2024-01-03"], errors="coerce")
print("处理无效值（转为 NaT）：")
print(dt3)
read_csv 自动解析日期
实例
import pandas as pd
from io import StringIO
# 模拟 CSV 数据
csv_data = """日期,销售额
2024-01-01,100
2024-01-02,200
2024-01-03,150
"""
# 方法1：读取后转换
df = pd.read_csv(StringIO(csv_data))
df["日期"] = pd.to_datetime(df["日期"])
print("读取后转换：")
print(df.dtypes)
print()
# 方法2：读取时直接解析
df2 = pd.read_csv(StringIO(csv_data), parse_dates=["日期"])
print("读取时解析：")
print(df2.dtypes)
from io import StringIO
# 模拟 CSV 数据
csv_data = """日期,销售额
2024-01-01,100
2024-01-02,200
2024-01-03,150
"""
# 方法1：读取后转换
df = pd.read_csv(StringIO(csv_data))
df["日期"] = pd.to_datetime(df["日期"])
print("读取后转换：")
print(df.dtypes)
print()
# 方法2：读取时直接解析
df2 = pd.read_csv(StringIO(csv_data), parse_dates=["日期"])
print("读取时解析：")
print(df2.dtypes)
日期属性访问
日期时间转换为 datetime 类型后，可以方便地提取各种属性。
实例
import pandas as pd
# 创建日期 Series
s = pd.Series(pd.date_range("2024-01-15", periods=5, freq="D"))
print("日期 Series：")
print(s)
print()
# 提取年/月/日
print("提取年：")
print(s.dt.year)
print()
print("提取月：")
print(s.dt.month)
print()
print("提取日：")
print(s.dt.day)
print()
# 提取星期几（0=周一，6=周日）
print("星期几（数字）：")
print(s.dt.dayofweek)
print()
# 提取星期几名称
print("星期几名称：")
print(s.dt.day_name())
# 创建日期 Series
s = pd.Series(pd.date_range("2024-01-15", periods=5, freq="D"))
print("日期 Series：")
print(s)
print()
# 提取年/月/日
print("提取年：")
print(s.dt.year)
print()
print("提取月：")
print(s.dt.month)
print()
print("提取日：")
print(s.dt.day)
print()
# 提取星期几（0=周一，6=周日）
print("星期几（数字）：")
print(s.dt.dayofweek)
print()
# 提取星期几名称
print("星期几名称：")
print(s.dt.day_name())
更多日期属性
| 属性 | 说明 | 示例 |
|---|---|---|
year |
年 | 2024 |
month |
月（1-12） | 1 |
day |
日（1-31） | 15 |
hour |
小时（0-23） | 10 |
minute |
分钟（0-59） | 30 |
dayofweek |
星期（0-6） | 0 |
quarter |
季度（1-4） | 1 |
is_month_start |
是否月初 | True/False |
is_month_end |
是否月末 | True/False |
日期运算
日期加减
实例
import pandas as pd
# 创建日期
date = pd.Timestamp("2024-01-15")
print(f"基准日期: {date}")
print()
# 加减天数
print(f"+3天: {date + pd.Timedelta(days=3)}")
print(f"-5天: {date - pd.Timedelta(days=5)}")
print()
# 日期差
date1 = pd.Timestamp("2024-01-01")
date2 = pd.Timestamp("2024-01-15")
print(f"日期差: {date2 - date1}")
print(f"天数差: {(date2 - date1).days}")
print()
# 日期 Series 运算
dates = pd.date_range("2024-01-01", periods=5, freq="D")
print("日期 + 3天：")
print(dates + pd.Timedelta(days=3))
# 创建日期
date = pd.Timestamp("2024-01-15")
print(f"基准日期: {date}")
print()
# 加减天数
print(f"+3天: {date + pd.Timedelta(days=3)}")
print(f"-5天: {date - pd.Timedelta(days=5)}")
print()
# 日期差
date1 = pd.Timestamp("2024-01-01")
date2 = pd.Timestamp("2024-01-15")
print(f"日期差: {date2 - date1}")
print(f"天数差: {(date2 - date1).days}")
print()
# 日期 Series 运算
dates = pd.date_range("2024-01-01", periods=5, freq="D")
print("日期 + 3天：")
print(dates + pd.Timedelta(days=3))
日期偏移
实例
import pandas as pd
date = pd.Timestamp("2024-01-15")
print(f"基准日期: {date}")
print()
# 月初/月末
print(f"月初: {date + pd.offsets.MonthBegin(1)}")
print(f"月末: {date + pd.offsets.MonthEnd(1)}")
print()
# 年份偏移
print(f"加1年: {date + pd.DateOffset(years=1)}")
print(f"减1月: {date + pd.DateOffset(months=-1)}")
print()
# 工作日
print(f"下周一: {date + pd.offsets.Week(weekday=0)}")
date = pd.Timestamp("2024-01-15")
print(f"基准日期: {date}")
print()
# 月初/月末
print(f"月初: {date + pd.offsets.MonthBegin(1)}")
print(f"月末: {date + pd.offsets.MonthEnd(1)}")
print()
# 年份偏移
print(f"加1年: {date + pd.DateOffset(years=1)}")
print(f"减1月: {date + pd.DateOffset(months=-1)}")
print()
# 工作日
print(f"下周一: {date + pd.offsets.Week(weekday=0)}")
时区处理
实例
import pandas as pd
# 创建不带时区的时间
dates = pd.date_range("2024-01-01 10:00", periods=3, freq="H")
print("不带时区：")
print(dates)
print()
# 设置时区
dates_utc = dates.tz_localize("UTC")
print("设置 UTC 时区：")
print(dates_utc)
print()
# 转换时区
dates_shanghai = dates_utc.tz_convert("Asia/Shanghai")
print("转换到上海时区：")
print(dates_shanghai)
# 创建不带时区的时间
dates = pd.date_range("2024-01-01 10:00", periods=3, freq="H")
print("不带时区：")
print(dates)
print()
# 设置时区
dates_utc = dates.tz_localize("UTC")
print("设置 UTC 时区：")
print(dates_utc)
print()
# 转换时区
dates_shanghai = dates_utc.tz_convert("Asia/Shanghai")
print("转换到上海时区：")
print(dates_shanghai)
实战：销售数据分析
实例
import pandas as pd
# 模拟销售数据
df = pd.DataFrame({
"日期": pd.date_range("2024-01-01", periods=30, freq="D"),
"销售额": [100, 150, 120, 180, 200, 90, 80] * 4 + [100, 100]
})
df["日期"] = pd.to_datetime(df["日期"])
print("销售数据：")
print(df.head(10))
print()
# 按星期统计
print("按星期几统计平均销售额：")
weekday_sales = df.groupby(df["日期"].dt.day_name())["销售额"].mean()
print(weekday_sales)
print()
# 按月统计
print("按月统计：")
df["月份"] = df["日期"].dt.to_period("M")
monthly_sales = df.groupby("月份")["销售额"].sum()
print(monthly_sales)
print()
# 计算7天滚动平均
df["7天滚动平均"] = df["销售额"].rolling(window=7).mean()
print("添加7天滚动平均：")
print(df.head(10))
# 模拟销售数据
df = pd.DataFrame({
"日期": pd.date_range("2024-01-01", periods=30, freq="D"),
"销售额": [100, 150, 120, 180, 200, 90, 80] * 4 + [100, 100]
})
df["日期"] = pd.to_datetime(df["日期"])
print("销售数据：")
print(df.head(10))
print()
# 按星期统计
print("按星期几统计平均销售额：")
weekday_sales = df.groupby(df["日期"].dt.day_name())["销售额"].mean()
print(weekday_sales)
print()
# 按月统计
print("按月统计：")
df["月份"] = df["日期"].dt.to_period("M")
monthly_sales = df.groupby("月份")["销售额"].sum()
print(monthly_sales)
print()
# 计算7天滚动平均
df["7天滚动平均"] = df["销售额"].rolling(window=7).mean()
print("添加7天滚动平均：")
print(df.head(10))
常见问题
1、日期格式不统一
使用 pd.to_datetime 时可以指定 format 参数明确格式，避免解析错误。
2、时区混淆
跨时区数据处理时，确保所有时间使用统一的时区或 UTC 时间。
3、日期运算使用 Timedelta
日期加减使用 pd.Timedelta，而不是简单的整数加减。
处理时间序列数据时，建议尽早将日期字符串转换为 datetime 类型，以便利用 Pandas 强大的日期功能。