pandas 时间类型转换

更新时间：2021-12-23 14:28:18 标签：pandas 时间 数据类型

看过来

《pandas 教程》持续更新中，可作为 pandas 入门进阶课程、pandas 中文手册、用法大全，配有案例讲解和速查手册。提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。查看更新日志。作者开办 Python 数据分析培训，详情 Python 数据分析培训。

本教程作者所著新书《Python之光：Python编程入门与实战》（ISBN：9787111729891）已由机械工业出版社出版上市，各大电商平台有售，欢迎：查看详情并关注购买。

本教程作者所著新书《深入浅出Pandas：利用Python进行数据处理与分析》（ISBN：9787111685456）已由机械工业出版社出版上市，各大电商平台有售，欢迎：查看详情并关注购买。

由于时间格式样式比较多，很多情况下 Padnas 并不能自动识别为时间类型，所以我们在处理前的数据清洗过程中，需要专门对数据进行时间类型转换。

astype() 转换

astype 是最简单的时间转换方法，它只能针对相对标准的时间格式，如：

s = pd.Series(['2016-01-31', '2016-02-29', '2016-03-31'])
s.astype('datetime64[ns]')
'''
0   2016-01-31
1   2016-02-29
2   2016-03-31
dtype: datetime64[ns]
'''

如果需要指定时区：

s = pd.Series(['2016-01-31', '2016-02-29', '2016-03-31'])
s.astype('datetime64[ns, US/Eastern]')
'''
0   2016-01-31 00:00:00-05:00
1   2016-02-29 00:00:00-05:00
2   2016-03-31 00:00:00-04:00
dtype: datetime64[ns, US/Eastern]
'''
# 北京时间是 Asia/Shanghai

转为不同时间粒度

在上文中，我们转换时间时使用的是 ns （纳秒），最大程度地保留了最细的时间颗粒的供我们未来使用，但有时间我们不需要这么精确的细小粒度，如何操作呢？这就需要在 datetime64 后的括号里指定我们想要的粒度，如：

# 一个时间文本序列
s = pd.Series(['2016-01-31 10:18:04', '2016-02-29 12:18:09'])
s
'''
0    2016-01-31 10:18:04
1    2016-02-29 12:18:09
dtype: object
'''

# 纳秒级
s.astype('datetime64[ns]')
'''
0   2016-01-31 10:18:04
1   2016-02-29 12:18:09
dtype: datetime64[ns]
'''

# 日级
s.astype('datetime64[D]')
'''
0   2016-01-31
1   2016-02-29
dtype: datetime64[ns]
'''

# 小时级
s.astype('datetime64[h]')
'''
0   2016-01-31 10:00:00
1   2016-02-29 12:00:00
dtype: datetime64[ns]
'''

# 秒级
s.astype('datetime64[s]')
'''
0   2016-01-31 10:18:04
1   2016-02-29 12:18:09
dtype: datetime64[ns]
'''

# 月级，当月第一天
s.astype('datetime64[M]')
'''
0   2016-01-01
1   2016-02-01
dtype: datetime64[ns]
'''

# 年级，当年第一天
s.astype('datetime64[Y]')
'''
0   2016-01-01
1   2016-01-01
dtype: datetime64[ns]
'''

# 周级，当周周四（原因如下）
s.astype('datetime64[W]')
'''
0   2016-01-28
1   2016-02-25
dtype: datetime64[ns]
'''

'datetime64[W]' 的结果为周四是因为这只是四舍五入，是经过设计的。括号里还可以为 2W、7D等开工，如 7D 的意思是“自纪元（1970-01-01T00:00Z ）以来7D的倍数”，就像 D 的意思是“自纪元以来一天的倍数”，7D 和 W 是同义词。

我们可以看到，除了周、月、年等，其他粒度仍然以纳秒存储，不过精确度都会损失。这个规划在下边我们介绍的 pd.to_datetime() 中也适用。

M8 类型表示

在 astype 中还可以传入短字符串表示法 <M8[ns] 表示类型，M8 是 numpy.datetime64 的字符表示形式：

s.astype('M8[ns]')
s.astype('<M8[ns]')
s.astype('<M8[ns]')
s.astype('M8')
'''
0   2016-01-31 10:18:04
1   2016-02-29 12:18:09
dtype: datetime64[ns]
'''

s.astype('M8[Y]')
'''
0   2016-01-01
1   2016-01-01
dtype: datetime64[ns]
'''

s.astype('datetime64[s]').dtype
# dtype('<M8[ns]')

datetime64[ns] 是通用数据类型，而 <M8[ns] 是一个特定的数据类型。一般 dtypes 映射到特定的 dtypes，但可能会因 NumPy 的一个安装而异。

在字节顺序为小端的机器上，np.dtype('datetime64[ns]') 和 np.dtype('<M8[ns]') 两者之间没有区别，然而，在大端机器上，np.dtype('datetime64[ns]') 等于 np.dtype('>M8[ns]')，所以 datetime64[ns] 映射到 <M8[ns] 或 >M8[ns] 取决于机器的字节序。还有许多其他类似的将通用数据类型映射到特定数据类型的示例:int64映射到 <i8 或 >i8 , 和 int 映射到 int32 或 int64 取决于操作系统的位架构以及 NumPy 的编译方式。

详见：NumPy 的数据类型

转为时间 pd.to_datetime

Pandas 提供的 pd.to_datetime() 是识别转换时间的主要工具。接下来我们看一些例子。

从 DataFrame 的多个列中组合一个日期时间。键可以是常见的缩写，例如['year'，'month'，'day'，'minute'，'second'，'ms'，'us'，'ns']）：

必须: year, month, day
可选: hour, minute, second, millisecond, microsecond, nanosecond

df = pd.DataFrame({'year': [2015, 2016],
                   'month': [2, 3],
                   'day': [4, 5]})
df
'''
   year  month  day
0  2015      2    4
1  2016      3    5
'''
pd.to_datetime(df)
pd.to_datetime(df[['year', 'month', 'day']]) # 同上
'''
0   2015-02-04
1   2016-03-05
dtype: datetime64[ns]
'''

智能解析时间：

pd.to_datetime(pd.Series(['Jul 31, 2009', '2010-01-10', None]))
'''
0   2009-07-31
1   2010-01-10
2          NaT
dtype: datetime64[ns]
'''

pd.to_datetime(['2005/11/23', '2010.12.31'])
# DatetimeIndex(['2005-11-23', '2010-12-31'], dtype='datetime64[ns]', freq=None)

pd.to_datetime(['04-01-2012 10:00'], dayfirst=True) # 日期在前
# DatetimeIndex(['2012-01-04 10:00:00'], dtype='datetime64[ns]', freq=None)

可以使用 pd.Timestamp() 进行转换：

pd.to_datetime('2010/11/12')
# Timestamp('2010-11-12 00:00:00')

pd.Timestamp('2010/11/12')
# Timestamp('2010-11-12 00:00:00')

pd.DatetimeIndex 也可以转换：

pd.DatetimeIndex(['2018-01-01', '2018-01-03', '2018-01-05'])
# DatetimeIndex(['2018-01-01', '2018-01-03', '2018-01-05'], dtype='datetime64[ns]', freq=None)

pd.DatetimeIndex(['2018-01-01', '2018-01-03', '2018-01-05'], freq='infer')
# DatetimeIndex(['2018-01-01', '2018-01-03', '2018-01-05'], dtype='datetime64[ns]', freq='2D')

对于有格式的数据，需要指定数据的格式：

pd.to_datetime('13000101', format='%Y%m%d', errors='ignore')
# 可以让系统自己推断时间格式
pd.to_datetime('13000101', infer_datetime_format=True, errors='ignore')
# datetime.datetime(1300, 1, 1, 0, 0)
# coerce 将不会忽略错误，返回空值
pd.to_datetime('13000101', format='%Y%m%d', errors='coerce')
# NaT

# 有时间需要字段转为字符
pd.to_datetime(df.d.astype(str), format='%m/%d/%Y')

# 其他
pd.to_datetime('2010/11/12', format='%Y/%m/%d')
# Timestamp('2010-11-12 00:00:00')

pd.to_datetime('12-11-2010 00:00', format='%d-%m-%Y %H:%M')
# Timestamp('2010-11-12 00:00:00')

对时间戳进行转换，需要给出时间单位，一般为秒：

pd.to_datetime(1490195805, unit='s')
# Timestamp('2017-03-22 15:16:45')
pd.to_datetime(1490195805433502912, unit='ns')
# Timestamp('2017-03-22 15:16:45.433502912')

对周期数据进行转换：

pd.to_datetime([1, 2, 3], unit='D',
               origin=pd.Timestamp('1960-01-01'))
# DatetimeIndex(['1960-01-02', '1960-01-03', '1960-01-04'], dtype='datetime64[ns]', freq=None)

日期格式化符号

python中时间日期格式化符号：

%y 两位数的年份表示（00-99）
%Y 四位数的年份表示（000-9999）
%m 月份（01-12）
%d 月内中的一天（0-31）
%H 24小时制小时数（0-23）
%I 12小时制小时数（01-12）
%M 分钟数（00-59）
%S 秒（00-59）
%a 本地简化星期名称
%A 本地完整星期名称
%b 本地简化的月份名称
%B 本地完整的月份名称
%c 本地相应的日期表示和时间表示
%j 年内的一天（001-366）
%p 本地A.M.或P.M.的等价符
%U 一年中的星期数（00-53）星期天为星期的开始
%w 星期（0-6），星期天为星期的开始
%W 一年中的星期数（00-53）星期一为星期的开始
%x 本地相应的日期表示
%X 本地相应的时间表示
%Z 当前时区的名称
%% %号本身

参考

https://numpy.org/neps/nep-0007-datetime-proposal.html
https://github.com/numpy/numpy/issues/12404
https://stackoverflow.com/questions/29206612/difference-between-data-type-datetime64ns-and-m8ns