Python系列（2）——time时间格式的转换及计算

# -*- coding:utf-8 -*-
import pandas as pd
import time
import datetime

start_date = '2020-06-08'
# 一、将字符串文本类型转化为时间
# %Y-%m-%d 为自定义时间格式，也可设置成完整格式：%Y-%m-%d %H:%M:%S,若使用完整格式，输入的start_date的文本格式也要完整对应，否则报错
# 1.使用datetime包
date_time = datetime.datetime.strptime(start_date, '%Y-%m-%d')  # 转化后的时间是带有时分秒的
print(date_time)  # 2020-06-08 00:00:00
print(type(date_time))  # <class 'datetime.datetime'>
"""
datetime模块中主要使用的是：
datetime.date：日期(2020-01-01)
datetime.time：时间(12:00:00)
datetime.datetime：时期(2020-01-01 12:00:00)
"""
# 2.使用time包中的time.strptime
time_time = time.strptime(start_date, '%Y-%m-%d')  # 返回struct_time对象。
print(time_time)
print(type(time_time))  # <class 'time.struct_time'>
"""
参数解释：time.struct_time(tm_year=年, tm_mon=月, tm_mday=日, tm_hour=时, tm_min=分, tm_sec=秒,
tm_wday=星期（0-6），星期一为0, tm_yday=一年中第几天, tm_isdst=-1是否是夏令时,1-夏令时,0-非夏令时 -1-不确定,默认是-1)
"""

# 3.直接使用pandas的to_datetime(文本)--主要用来处理组数据
pd_time = pd.to_datetime(start_date)  # 转化后的时间是带有时分秒的
print(pd_time)  # 2020-06-08 00:00:00
print(type(pd_time))  # <class 'pandas._libs.tslibs.timestamps.Timestamp'>

# 从上述时间类型中提取某个字段数据出来 ，其他字段类似.year/month/day/weekday()/isoweekday()返回的1-7代表周一--周日/。。。
print(date_time.month)
print(time_time.tm_yday)
print(pd_time.weekday())
# 若转化一列数据的时间类型使用：pd.to_time(文件['列名']) ，此时若提取其中数据字段：文件['列名'].dt.month/year...（ps:后面内容有涉及）

# 例如：
df = pd.read_excel('./北京天气2018.xls')  # 读取 北京天气2018.xls文件
pd.to_datetime(df['日期'])  # 将日期这一列变成时间类型
print(df['日期'].dt.month)  # 使用.dt提取日期属性


# 二、将时间格式转为字符串
# 1.使用str或 strftime
print(str(pd_time))
print(type(str(pd_time)))

str_time1 = date_time.strftime('%Y-%m-%d %H:%M:%S')
print(str_time1)  # 2020-06-08 00:00:00
print(type(str_time1))

str_time2 = pd_time.strftime('%Y-%m-%d %H:%M')
print(str_time2)  # 2020-06-08 00:00
print(type(str_time2))

# 2.time包时间格式的转换
str_time3 = time.strftime('%Y-%m-%d', time_time)
print(str_time3)  # 2020-06-08
print(type(str_time3))  # <class 'str'>

# 三、时间的计算
import pandas as pd
import time
import datetime

# 1.简单的时间计算
start_date = '2020-06-08 10:00:00'
end_date = '2020-06-10 15:30:00'
start_time = datetime.datetime.strptime(start_date, '%Y-%m-%d %H:%M:%S')
end_time = datetime.datetime.strptime(end_date, '%Y-%m-%d %H:%M:%S')
during_time = end_time - start_time
# during_time = pd.to_datetime(end_date) - pd.to_datetime(start_date)
# 这里不适宜使用time.strptime时间化，因为time.struct_time无法进行计算
print(during_time)  # 2 days, 5:30:00
print(during_time.days)  # 2
print(during_time.seconds)  # 小时之间相差的秒数19800
print(during_time.total_seconds())  # 总共相差的秒数192600.0

# 2.timedelta时间计算
# timedelta --datetime模块下的，主要是用于日期计算的,代表两个时间之间的时间差，两个date或datetime对象相减就可返回一个timedelta对象
# 在需要使用到时间间隔的时候非常有用，例如需要上一个月，前一天，上一周这样的日期，就可以使用datetime和timedelta很容易得到。
# datetime.timedelta([days[, seconds[, microseconds[, milliseconds[, minutes[, hours[, weeks]]]]]]])
today = datetime.datetime.today()
# today = datetime.date.today()  只有年月日的日期
# 上个月最后一天
last_month_last_day = datetime.date(today.year, today.month, 1) - datetime.timedelta(1)
print(last_month_last_day)
# 上个月的第一天
print(datetime.date(last_month_last_day.year, last_month_last_day.month, 1))  # 2020-05-01
# 一周之前
print(today - datetime.timedelta(7))
print(today - datetime.timedelta(weeks=1))  # 等价
# 3小时30分钟之前--其他类似
print(today - datetime.timedelta(hours=3, minutes=30))
print(datetime.timedelta(hours=3, seconds=22).total_seconds())  # 3小时22秒的总秒数 10822.0
# 8小时30秒后
print(today + datetime.timedelta(hours=8, seconds=30))
# 本周一
this_monday = today - datetime.timedelta(today.isoweekday() - 1)  # .isoweekday（）返回的1-7代表周一--周日
print(this_monday)
# 本周二 --其他类似
print(today - datetime.timedelta(today.isoweekday() - 2))
# 本周日
this_sunday = today - datetime.timedelta(today.isoweekday() - 7)
print(this_sunday)
# 上周一
print(this_monday-datetime.timedelta(weeks=1))
print(this_monday-datetime.timedelta(7))  # 等价
# 上周日
print(this_sunday-datetime.timedelta(weeks=1))

# 3.pandas模块对时间的处理
# 有下面一数据
data = {'date': ['2020-05-29', '2020-05-30', '2020-05-31', '2020-06-01', '2020-06-02', '2020-06-03', '2020-06-04',
                 '2020-06-05', '2020-06-06', '2020-06-07', '2020-06-08', '2020-06-09'],
        'lower_temp': [17, 18, 22, 22, 23, 22, 22, 21, 21, 22, 22, 24],
        'high_temp': [25, 19, 28, 30, 33, 28, 30, 23, 28, 29, 28, 29]
        }
df = pd.DataFrame(data)

# 3.1.根据原数据类型进行查询
# 设定date为索引（即设置date列为行名），方便按日期筛选--date为字符串文本类型
# 下面输入的'2020-06-01'等日期是字符串文本类型，因此索引的类型也要字符串文本类型，否则无法匹配寻找
# date若为时间类型可先进行转换文本：df['date'] = df['date'].dt.strftime('%Y-%m-%d')
df.set_index('date', inplace=True)

# (1)使用单个日期
print(df.loc['2020-06-01', :])  # :表示是所有列
print(df.loc['2020-06-01', 'high_temp'])
print(df.loc['2020-06-01', 'lower_temp':'high_temp'])  # 'lower_temp'至'high_temp'列
# （2）使用多个日期
print(df.loc[['2020-06-01', '2020-06-05'], 'high_temp'])  # 6-1,6-5的高温high_temp
print(df.loc['2020-06-01':'2020-06-05', 'high_temp'])  # 6-1至6-5的高温high_temp

# 3.2.转化为时间类型进行查询
# （1）对date时间这一列转为时间格式
df['date'] = pd.to_datetime(df['date'])
# （2）筛选某个时间片段
print(df.loc[df['date'] == pd.to_datetime('2020-06-03')])   # 6.3的数据
print(df.loc[df['date'] >= pd.to_datetime('2020-06-03')])   # 6.3之后的数据
# 筛选满足多个条件的数据--条件之间用&连接
print(df.loc[(df['date'] >= pd.to_datetime('2020-06-03')) & (df['date'] <= pd.to_datetime('2020-06-05'))])  # 6.3-6.5数据
print(df.loc[(df['date'] >= pd.to_datetime('2020-06-01')) & (df['high_temp'] >= 30)])

"""
# 若是设置date时间格式列为索引，上述代码要改写
df.set_index('date', inplace=True)
print(df.loc[pd.to_datetime('2020-06-03')])
print(df.loc[:pd.to_datetime('2020-06-03'), :])   # 6.3之前的数据
print(df.loc[pd.to_datetime('2020-06-03'):, :])   # 6.3之后的数据
print(df.loc[pd.to_datetime('2020-06-03'):pd.to_datetime('2020-06-05'), :])  # 6.3-6.5数据
"""
# (3)判断某个日期是周几、出现的次数等等。。。
print(df['date'].dt.weekday)   # 直接显示date这一列的星期数0-6周一-周日
print(df['date'].dt.is_month_start)   # 判断是否是一个月的开始
print(df['date'].dt.is_month_end)   # 判断是否是一个月的结束
print(df['date'].dt.is_leap_year)   # 判断是否闰年
print(df['date'].dt.year.value_counts())  # 判断年出现的次数
print(df['date'].dt.month.value_counts())  # 判断月出现的次数

# （4对日期增减
import dateutil    # 导入新库
# 增加1天（减少天用-号）
print(pd.to_datetime('2020-06-03')+dateutil.relativedelta.relativedelta(days=1))  # 2020-06-04 00:00:00
# 增加2年
print(pd.to_datetime('2020-06-03')+dateutil.relativedelta.relativedelta(years=2))  # 2022-06-03 00:00:00
# 对月/时/分/秒增加直接将变量名改为months/hours/minutes/seconds  即可
print(pd.to_datetime('2020-06-03')+dateutil.relativedelta.relativedelta(years=2, days=50, minutes=10)) # 2022-07-23 00:10:00
# 若将参数变成单数year/day/month/hour/minute/second 并不是日期的加减，而是将日期对应值变成所设置的参数值
print(pd.to_datetime('2020-06-03')+dateutil.relativedelta.relativedelta(year=1991, day=5, minute=10)) # 1991-06-05 00:10:00