?　在使用Python進行數據分析時，經常會遇到時間日期格式處理和轉換，特別是分析和挖掘與時間相關的數據。Pandas提供了強大的日期數據處理的功能，下面整理了一些使用pandas處理時間變量的常用技巧。

1.生成時間序列

import pandas as pd import numpy as nprng_day = pd.date_range('1/1/2011', periods=24, freq='D') rng_month=pd.date_range('1/1/2011', periods=24, freq='M')

?　pandas主要提供pd.data_range()和pd.period_range()兩個方法，給定參數有起始時間、結束時間、生成時期的數目及時間頻率（freq='M’月，'D’天，‘W’，周，'Y’年）等。

?　兩種主要區別在于pd.date_range()生成的是DatetimeIndex格式的日期序列；pd.period_range()生成的是PeriodIndex格式的日期序列。

2.轉化日期格式
2.1 字符串轉時間
方法一：使用pd.to_datetime()

## 方法一：使用pd.to_datetime() series1=pd.to_datetime(['2020-07-22 20:07:30', '2020.07.23']) series2=pd.to_datetime(['2020-07-22', '2020.07.23']) print(series1) print(series2)

方法二：使用datetime包的strptime方法

datestr = '2020-07-22 20:07:30' date1 = datetime.datetime.strptime(datestr,'%Y-%m-%d %H:%M:%S') print(date1)

?　使用strptime方法時，轉化的格式必須和字符串的格式一樣。見上圖，如果轉換格式不一致將報錯。

datestr = '2020-07-22 20:07:30' date2 = datetime.datetime.strptime(datestr[0:7],'%Y-%m') print(date2)

2.2日期轉字符串

## 利用str或者strftime方法可以將datetime對象轉換成字符串 date = datetime.datetime(2020,7,22,19,59,00) datestr1 = datetime.datetime.strftime(date,'%Y-%m-%d %H:%M:%S') datestr2 = datetime.datetime.strftime(date,'%Y-%m') print(datestr1) print(datestr2)

?　使用strftime方法將日期轉成字符串時，可以調整字符串的格式，并不是需要嚴格對應。

3.日期加減
3.1 日期加一天

date=datetime.date.today() print(datetime.date.today()+datetime.timedelta(days=1))

3.2日期加一個月

## 日期加一個月,需要使用第三方庫 from dateutil.relativedelta import relativedeltadatetime_now = datetime.datetime.now() datetime_three_month_ago = datetime_now + relativedelta(months=+1) print(datetime_three_month_ago)

4.計算日期之差

date_end=datetime.datetime.now() date_start=pd.to_datetime('2020/01/01') date_interval=date_end-date_start print(date_interval) print(f'時間相隔{date_interval.days}天') print(f'時間相隔{date_interval/np.timedelta64(1,"M")}月') print(f'時間相隔{date_interval/np.timedelta64(1,"D")}天') print(f'時間相隔{int(date_interval/np.timedelta64(1,"D"))}天')

【作者】：Labryant
【原創公眾號】：風控獵人
【簡介】：某創業公司策略分析師，積極上進，努力提升。乾坤未定，你我都是黑馬。
【轉載說明】：轉載請說明出處，謝謝合作！~

總結

以上是生活随笔為你收集整理的使用pandas处理时间变量的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。