【Python數據分析】pandas時刻數據：Timestamp

目錄

• 1.Timestamp
• 2.to_datetime
  • 2.1 單個時間轉化
  • 2.2 多個時間轉化

所謂的時刻數據代表時間點,是pandas的數據類型，是將值與時間點相關聯的最基本類型的時間序列數據。

1.Timestamp

Timestamp是將數據類型轉化為pandas的Timestamp類型

import pandas as pd
import datetime

date1 = datetime.datetime(2019, 12, 31, 12, 1, 2) # 創建一個datetime.datetime
date2 = '2017-12-31' # 創建一個字符串

t1 = pd.Timestamp(date1)
t2 = pd.Timestamp(date2)

print(t1,type(t1))
print(t2,type(t2))

2.to_datetime

to_datetime也是將數據類轉化為pandas的Timestamp類型，但是如果是多個時間，則會轉化為pandas的DatetimeIndex

2.1 單個時間轉化

import pandas as pd
from datetime import datetime

date1 = datetime(2019, 12, 31, 12, 1, 2) # 創建一個datetime.datetime
date2 = '2017-12-31' # 創建一個字符串

# pd.to_datetime()：如果是單個時間數據，轉換成pandas的時刻數據，數據類型為Timestamp
t1 = pd.to_datetime(date1)
t2 = pd.to_datetime(date2)

print(t1,type(t1))
print(t2,type(t2))

2.2 多個時間轉化

import pandas as pd
from datetime import datetime

# 多個時間數據，將會轉換為pandas的DatetimeIndex
list_date = ['2019-12-31','2020-01-01','2020-01-02']
t3 = pd.to_datetime(list_date)
print(t3,type(t3))

print('-' * 50) # 分割線
date1 = [datetime(2018,6,1),datetime(2018,7,1),datetime(2018,8,1),datetime(2018,9,1),datetime(2018,10,1)]
date2 = ['2019-2-1','2019-2-2','2019-2-3','2019-2-4','2019-2-5','2019-2-6']
print(date1)
print(date2)

print('-' * 50) # 分割線
t1 = pd.to_datetime(date1)
t2 = pd.to_datetime(date2)
print(t1)
print(t2)

print('-' * 50) # 分割線
date3 = ['2017-2-1','2017-2-2','2017-2-3','hello world!','2017-2-5','2017-2-6']
t3 = pd.to_datetime(date3, errors = 'ignore')
print(t3,type(t3))
# 當一組時間序列中夾雜其他格式數據，可用errors參數返回
# errors = 'ignore':不可解析時返回原始輸入，這里就是直接生成一般數組

t4 = pd.to_datetime(date3, errors = 'coerce')
print(t4,type(t4))
# errors = 'coerce':不可擴展，缺失值返回NaT（Not a Time），結果認為DatetimeIndex