我认为在答案中可能会有更综合的努力,以更好地解释 Python 的 datetime 模块、numpy 的 datetime64/timedelta64 和 pandas 的 Timestamp/Timedelta 对象之间的关系。
Python的日期时间标准库
datetime 标准库有四个主要对象
- time - 只有时间,以小时、分钟、秒和微秒为单位
- 日期 - 只有年、月和日
- datetime - 时间和日期的所有组成部分
- timedelta - 最大单位为天的时间量
创建这四个对象
>>> import datetime
>>> datetime.time(hour=4, minute=3, second=10, microsecond=7199)
datetime.time(4, 3, 10, 7199)
>>> datetime.date(year=2017, month=10, day=24)
datetime.date(2017, 10, 24)
>>> datetime.datetime(year=2017, month=10, day=24, hour=4, minute=3, second=10, microsecond=7199)
datetime.datetime(2017, 10, 24, 4, 3, 10, 7199)
>>> datetime.timedelta(days=3, minutes = 55)
datetime.timedelta(3, 3300)
>>> # add timedelta to datetime
>>> datetime.timedelta(days=3, minutes = 55) + \
datetime.datetime(year=2017, month=10, day=24, hour=4, minute=3, second=10, microsecond=7199)
datetime.datetime(2017, 10, 27, 4, 58, 10, 7199)
NumPy 的 datetime64 和 timedelta64 对象
NumPy 没有单独的日期和时间对象,只有一个 datetime64 对象来表示单个时间点。datetime 模块的 datetime 对象具有微秒精度(百万分之一秒)。NumPy 的 datetime64 对象允许您将其精度设置为从小时一直到阿秒 (10 ^ -18)。它的构造函数更灵活,可以接受多种输入。
构造 NumPy 的 datetime64 和 timedelta64 对象
为单位传递一个带有字符串的整数。在这里查看所有单位。在 UNIX 时代之后,它被转换为那么多单位:1970 年 1 月 1 日
>>> np.datetime64(5, 'ns')
numpy.datetime64('1970-01-01T00:00:00.000000005')
>>> np.datetime64(1508887504, 's')
numpy.datetime64('2017-10-24T23:25:04')
您也可以使用 ISO 8601 格式的字符串。
>>> np.datetime64('2017-10-24')
numpy.datetime64('2017-10-24')
时间增量有一个单位
>>> np.timedelta64(5, 'D') # 5 days
>>> np.timedelta64(10, 'h') 10 hours
也可以通过减去两个 datetime64 对象来创建它们
>>> np.datetime64('2017-10-24T05:30:45.67') - np.datetime64('2017-10-22T12:35:40.123')
numpy.timedelta64(147305547,'ms')
Pandas Timestamp 和 Timedelta 在 NumPy 之上构建了更多功能
pandas Timestamp 是一个与日期时间非常相似但功能更多的时刻。您可以使用pd.Timestamp
或构造它们pd.to_datetime
。
>>> pd.Timestamp(1239.1238934) #defaults to nanoseconds
Timestamp('1970-01-01 00:00:00.000001239')
>>> pd.Timestamp(1239.1238934, unit='D') # change units
Timestamp('1973-05-24 02:58:24.355200')
>>> pd.Timestamp('2017-10-24 05') # partial strings work
Timestamp('2017-10-24 05:00:00')
pd.to_datetime
工作方式非常相似(还有更多选项),并且可以将字符串列表转换为时间戳。
>>> pd.to_datetime('2017-10-24 05')
Timestamp('2017-10-24 05:00:00')
>>> pd.to_datetime(['2017-1-1', '2017-1-2'])
DatetimeIndex(['2017-01-01', '2017-01-02'], dtype='datetime64[ns]', freq=None)
将 Python 日期时间转换为 datetime64 和时间戳
>>> dt = datetime.datetime(year=2017, month=10, day=24, hour=4,
minute=3, second=10, microsecond=7199)
>>> np.datetime64(dt)
numpy.datetime64('2017-10-24T04:03:10.007199')
>>> pd.Timestamp(dt) # or pd.to_datetime(dt)
Timestamp('2017-10-24 04:03:10.007199')
将 numpy datetime64 转换为 datetime 和 Timestamp
>>> dt64 = np.datetime64('2017-10-24 05:34:20.123456')
>>> unix_epoch = np.datetime64(0, 's')
>>> one_second = np.timedelta64(1, 's')
>>> seconds_since_epoch = (dt64 - unix_epoch) / one_second
>>> seconds_since_epoch
1508823260.123456
>>> datetime.datetime.utcfromtimestamp(seconds_since_epoch)
>>> datetime.datetime(2017, 10, 24, 5, 34, 20, 123456)
转换为时间戳
>>> pd.Timestamp(dt64)
Timestamp('2017-10-24 05:34:20.123456')
从 Timestamp 转换为 datetime 和 datetime64
这很容易,因为 pandas 时间戳非常强大
>>> ts = pd.Timestamp('2017-10-24 04:24:33.654321')
>>> ts.to_pydatetime() # Python's datetime
datetime.datetime(2017, 10, 24, 4, 24, 33, 654321)
>>> ts.to_datetime64()
numpy.datetime64('2017-10-24T04:24:33.654321000')