python时间戳（1）

一、 时间戳定义：其实就是在历史长河中钉了一个钉子，独一无二不说，还可以用一串数字表示

二、 时间戳怎么产生：

　　(1) 可以自己输入

　　　　a. 一个是datetime（）## 后面所有datetime都可以按下列方式变为timestamp

from datetime import datetime
import pandas as pd
stamp1=datetime.now()
stamp=pd.Timestamp(stamp1)
stamp.value

1576506889855183000　
　　　b. 一个是timestamp（）

import pandas as pd
stamp2=pd.Timestamp('2019,12,16')
stamp2.value

1576454400000000000

　　(2) 可以从文本中分析出来，分析器为parse（中文解释：做句法分析）

from dateutil.parser import parse
parse('2019-12-10')

datetime.datetime(2019, 12, 10, 0, 0)
                    年  月  日  小时 分钟
如果不是12月10日而是10月12日呢？

from dateutil.parser import parse
parse('2019-12-10',dayfirst=True)

datetime.datetime(2019, 10, 12, 0, 0)
文本写出花来了怎么变成我想要的日期格式？你告诉它什么是什么就好了
但这需要对基本的日期表达进行说明：

%Y	2019（四位数年份）
%y	19（二位数年份）
%m	12（月份）
%d	16（日期）
%H	15（24小时制）
%I	3（12小时制）
%M	06（分钟）
%S	14（秒）
%w	星期几（0是星期天，6是星期一）
%U	一年中第几个星期（从00到53），以星期天为一周的第一天
%W	一年中第几个星期（从00到53），以星期一为一周的第一天
%z	时区
%F	2019-12-16
%D	12/16/2019

from datetime import datetime
try_trans='2019#12#10'
datetime.strptime(try_trans,'%Y#%m#%d') ## 分开看是：str（文本） p（变） time（时间）

datetime.datetime(2019, 12, 10, 0, 0)
建议可以直接用parse试一下，基本上python都可以解析

from dateutil.parser import parse
parse('DEC 16,2019 15:02')

datetime.datetime(2019, 12, 16, 15, 2)

三、 时间戳的移动：其实就是拨动手表指针的工作后重新变了一个新的钉子

　　(1) 重新找个钉子一次性到位(DateOffset)

　　　　首先看看DateOffset（里面可以加什么频率？）　　　　　

 |      - years
 |      - months
 |      - weeks
 |      - days
 |      - hours
 |      - minutes
 |      - seconds
 |      - microseconds
 |      - nanoseconds

 

from pandas.tseries.offsets import * #关键词分开：t series时间序列/off sets 参照系、定位
now=datetime.now()        ##datetime.datetime(2019, 12, 16, 16, 15, 2, 561839)
now+DateOffset(days=3)#天数相加  Timestamp('2019-12-19 16:34:35.850953')
now+DateOffset(months=3)#月数相加 Timestamp('2020-03-16 16:10:58.030667')

  (2) 先定位后滚动  --此方法只能对前一个后一个进行操作
　　首先看看有哪些定位？

先把日期点挪到前、中、后，再滚动
| - SemiMonthEnd  | - MonthEnd  | - WeekOfMonth    | - QuarterEnd  | - BQuarterEnd   | - YearEnd  | - BYearEnd   | 
| - SemiMonthBegin| - MonthBegin| - LastWeekOfMonth| - QuarterBegin| - BQuarterBegin | - YearBegin| - BYearBegin |

##定位
offset=MonthEnd() #月底
## 滚动
offset.rollforward(now) #本月月底  Timestamp('2019-12-31 16:34:35.850953')
offset.rollback(now)#上个月月底    Timestamp('2019-11-30 16:34:35.850953')

##定位
offset=SemiMonthEnd()#月半、月中
##滚动
offset.rollforward(now)#月半、月中到底就是月底  Timestamp('2019-12-31 16:34:35.850953')
offset.rollback(now)# 月半到头就是月中  Timestamp('2019-12-15 16:34:35.850953')

##定位
offset=WeekOfMonth()#位于星期几
##滚动
offset.rollforward(now)#本月第一周的星期几 Timestamp('2020-01-06 16:34:35.850953')
offset.rollback(now)#下个月第一周的星期几  Timestamp('2019-12-02 16:34:35.850953')

##定位
offset=LastWeekOfMonth()#位于星期几 
##滚动
offset.rollforward(now)#本月最后一周的星期几  Timestamp('2019-12-30 16:34:35.850953')
offset.rollback(now)#下个月最后一周的星期几   Timestamp('2019-12-02 16:34:35.850953')

(3) 根据习惯日期定位方式定位
首先看看有哪些定位？之前运用的都可以，加上数字即可

| - SemiMonthEnd  | - MonthEnd  | - WeekOfMonth    | - QuarterEnd  | - BQuarterEnd   | - YearEnd  | - BYearEnd   | 
| - SemiMonthBegin| - MonthBegin| - LastWeekOfMonth| - QuarterBegin| - BQuarterBegin | - YearBegin| - BYearBegin |
| - Hour          | - Minute    | - Second         | - 

now+MonthEnd(2) #往后挪两个月，这弥补了之前无法定位到当前月的下个月问题 Timestamp('2020-01-31 16:34:35.850953')

注意：错误示范

offset=MonthEnd(2)
offset.rollforward(now) #结果仍然为  Timestamp('2019-12-31 16:34:35.850953')，想要达到2020年1月只能用加的方式

注意：通常情况下我们一般不单独做时间序列单列，都会跟一些数据，也就是series和dataframe，可以使用shift进行日期变更

 

四、在两个时间点内按要求添加数据

　　这个功能就相当于range(a,b)，所以公式也很像date_range(start='开头日期’,end='结尾日期‘,periods=递增几次,freq='频率')

　　1. date_range(‘开头日期‘，n)

　　从开头日期开始一天一天的列出n天

　　2. date_range(‘开头日期‘，递增几次，频率）

　　频率有以下几种表示方式：

　　a. 天以内

　　| - 2（按2天递增） |-‘3B’（按3天工作日递增）| - ‘4h’（按四个小时递增） | - '50min'（按五十分钟递增）

　　| - '6S'（按六秒递增）| - ‘7ms’（按七毫秒递增）|-‘8U’（按八微秒递增）| - ‘2D4h50min6S7ms8U’ （可以连着写）

 

pd.date_range('2019-12-16',periods=5,freq='2D4h50min6S7ms8U')

DatetimeIndex(['2019-12-16 00:00:00', '2019-12-18 04:50:06.007008',
               '2019-12-20 09:40:12.014016', '2019-12-22 14:30:18.021024',
               '2019-12-24 19:20:24.028032'],
              dtype='datetime64[ns]', freq='190206007008U')

　　b. 周以内

　　| - ‘W-TUE’（从开头日期的当天开始，往后第一个星期二开始，按7天递增）

 

pd.date_range('2019-12-16',periods=5,freq='W-TUE')

DatetimeIndex(['2019-12-17', '2019-12-24', '2019-12-31', '2020-01-07',
               '2020-01-14'],
              dtype='datetime64[ns]', freq='W-TUE')

　　c. 月以内

　　|-'WOM-3FRI'（从开头日期开始月的第3个星期五，按月递增）

pd.date_range('2019-12-21',periods=5,freq='WOM-3FRI') #注意：如果给出的日期超过本月第三个星期五将跳过本月

DatetimeIndex(['2020-01-17', '2020-02-21', '2020-03-20',
               '2020-04-17'],dtype='datetime64[ns]', freq='WOM-3FRI')

　　| -‘6M’（从开头日期的当月月底开始，按六个月递增）| - ‘6BM’（从开头日期的当月最后一个工作日开始，按六个月递增）

pd.date_range('2019-12-21',periods=5,freq='6M') # 注意：与MS的区别

DatetimeIndex(['2019-12-31', '2020-06-30', '2020-12-31', '2021-06-30',
               '2021-12-31'],
              dtype='datetime64[ns]', freq='6M')

pd.date_range('2018-12-21',periods=5,freq='6BM')

DatetimeIndex(['2018-12-31', '2019-06-28', '2019-12-31', '2020-06-30',
               '2020-12-31'],
              dtype='datetime64[ns]', freq='6BM')

　　| -‘7MS ’（从开头日期的当月月初开始，按七个月递增）| -‘7BMS’（从开头日期的当月第一个工作日开始，按七个月递增）

pd.date_range('2018-12-21',periods=5,freq='7MS') # 注意：如果给定的日期不是月头开始，那么结果会从下个月月初开始，按七个月递增

DatetimeIndex(['2019-01-01', '2019-08-01', '2020-03-01', '2020-10-01',
               '2021-05-01'],
              dtype='datetime64[ns]', freq='7MS')

pd.date_range('2018-12-21',periods=5,freq='7BMS')

DatetimeIndex(['2019-01-01', '2019-08-01', '2020-03-02', '2020-10-01',
               '2021-05-03'],
              dtype='datetime64[ns]', freq='7BMS')

　　d. 季度以内

　　| - ‘Q-FEB’（从二月月底开始，按三个月递增）|-‘QS-FEB’(从二月月头开始，按三个月递增）

　　| - 'BQ-FEB'（从二月最后一个工作日开始，按三个月递增）|-  'BQS-FEB'（从二月第一个工作日开始，按三个月递增）

pd.date_range('2018-12-01',periods=5,freq='BQ-FEB') 
# Q和QS没什么注意点，但BQ和BQS需要注意，如果给定的日期已经过了当年二月，则系统会从下月的二月开始显示

DatetimeIndex(['2019-02-28', '2019-05-31', '2019-08-30', '2019-11-29',
               '2020-02-28'],
              dtype='datetime64[ns]', freq='BQ-FEB')

　　e. 年以内

　　| - 'A-FEB'（从开头年份的二月底开始，按年递增）| - ‘BA-FEB’（从开头年份的二月最后一个工作日开始，按年递增）

　　| - ‘AS-FEB’（从开头年份的二月初开始，按年递增）| - ‘BAS-FEB’（从开头年的二月第一个工作日开始，按年递增）

pd.date_range('2018-12-01',periods=5,freq='AS-FEB') #同上

DatetimeIndex(['2019-02-01', '2020-02-01', '2021-02-01', '2022-02-01',
               '2023-02-01'],
              dtype='datetime64[ns]', freq='AS-FEB')
-----------------
前文中我们看到有些日期已经超过导致递延问题，那么我们如何解决这类问题？
我们可以提取年、月来避免

• 比如前文中pd.date_range('2018-12-01',periods=5,freq='BQ-FEB') 中的问题从年初开始

import pandas as pd
startDate="2018-12-01"
startDateYear=str(pd.to_datetime(startDate).year)
pd.date_range(startDateYear,periods=5,freq='AS-FEB')

DatetimeIndex(['2018-02-01', '2019-02-01', '2020-02-01', '2021-02-01',
               '2022-02-01'],
              dtype='datetime64[ns]', freq='AS-FEB')

• 比如前文中pd.date_range('2019-12-21',periods=5,freq='WOM-3FRI') 中的问题从月初开始

import pandas as pd
startDate="2019-12-01"
startDateYear=str(pd.to_datetime(startDate).year)
startDateMonth=str(pd.to_datetime(startDate).month)
year_month=startDateYear+'-'+startDateMonth
pd.date_range(year_month,periods=5,freq='WOM-3FRI') 

DatetimeIndex(['2019-12-20', '2020-01-17', '2020-02-21', '2020-03-20',
               '2020-04-17'],
              dtype='datetime64[ns]', freq='WOM-3FRI')

　　3. date_range(‘开头日期‘，‘结束日期’，频率)

　　4. date_range('开头日期‘，‘结束日期’，递增几次）

　　　　按天数等分