Python系列（2）——time時間格式的轉換及計算

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

start_date = '2020-06-08'
# 一、將字符串文本類型轉化為時間
# %Y-%m-%d 為自定義時間格式，也可設置成完整格式：%Y-%m-%d %H:%M:%S,若使用完整格式，輸入的start_date的文本格式也要完整對應，否則報錯
# 1.使用datetime包
date_time = datetime.datetime.strptime(start_date, '%Y-%m-%d')  # 轉化后的時間是帶有時分秒的
print(date_time)  # 2020-06-08 00:00:00
print(type(date_time))  # <class 'datetime.datetime'>
"""
datetime模塊中主要使用的是：
datetime.date：日期(2020-01-01)
datetime.time：時間(12:00:00)
datetime.datetime：時期(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對象。
print(time_time)
print(type(time_time))  # <class 'time.struct_time'>
"""
參數解釋：time.struct_time(tm_year=年, tm_mon=月, tm_mday=日, tm_hour=時, tm_min=分, tm_sec=秒,
tm_wday=星期（0-6），星期一為0, tm_yday=一年中第幾天, tm_isdst=-1是否是夏令時,1-夏令時,0-非夏令時 -1-不確定,默認是-1)
"""

# 3.直接使用pandas的to_datetime(文本)--主要用來處理組數據
pd_time = pd.to_datetime(start_date)  # 轉化后的時間是帶有時分秒的
print(pd_time)  # 2020-06-08 00:00:00
print(type(pd_time))  # <class 'pandas._libs.tslibs.timestamps.Timestamp'>

# 從上述時間類型中提取某個字段數據出來 ，其他字段類似.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())
# 若轉化一列數據的時間類型使用：pd.to_time(文件['列名']) ，此時若提取其中數據字段：文件['列名'].dt.month/year...（ps:后面內容有涉及）

# 例如：
df = pd.read_excel('./北京天氣2018.xls')  # 讀取 北京天氣2018.xls文件
pd.to_datetime(df['日期'])  # 將日期這一列變成時間類型
print(df['日期'].dt.month)  # 使用.dt提取日期屬性


# 二、將時間格式轉為字符串
# 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包時間格式的轉換
str_time3 = time.strftime('%Y-%m-%d', time_time)
print(str_time3)  # 2020-06-08
print(type(str_time3))  # <class 'str'>

# 三、時間的計算
import pandas as pd
import time
import datetime

# 1.簡單的時間計算
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)
# 這里不適宜使用time.strptime時間化，因為time.struct_time無法進行計算
print(during_time)  # 2 days, 5:30:00
print(during_time.days)  # 2
print(during_time.seconds)  # 小時之間相差的秒數19800
print(during_time.total_seconds())  # 總共相差的秒數192600.0

# 2.timedelta時間計算
# timedelta --datetime模塊下的，主要是用於日期計算的,代表兩個時間之間的時間差，兩個date或datetime對象相減就可返回一個timedelta對象
# 在需要使用到時間間隔的時候非常有用，例如需要上一個月，前一天，上一周這樣的日期，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
# 上個月最后一天
last_month_last_day = datetime.date(today.year, today.month, 1) - datetime.timedelta(1)
print(last_month_last_day)
# 上個月的第一天
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))  # 等價
# 3小時30分鍾之前--其他類似
print(today - datetime.timedelta(hours=3, minutes=30))
print(datetime.timedelta(hours=3, seconds=22).total_seconds())  # 3小時22秒的總秒數 10822.0
# 8小時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 --其他類似
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))  # 等價
# 上周日
print(this_sunday-datetime.timedelta(weeks=1))

# 3.pandas模塊對時間的處理
# 有下面一數據
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.根據原數據類型進行查詢
# 設定date為索引（即設置date列為行名），方便按日期篩選--date為字符串文本類型
# 下面輸入的'2020-06-01'等日期是字符串文本類型，因此索引的類型也要字符串文本類型，否則無法匹配尋找
# date若為時間類型可先進行轉換文本：df['date'] = df['date'].dt.strftime('%Y-%m-%d')
df.set_index('date', inplace=True)

# (1)使用單個日期
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）使用多個日期
print(df.loc[['2020-06-01', '2020-06-05'], 'high_temp'])  # 6-1,6-5的高溫high_temp
print(df.loc['2020-06-01':'2020-06-05', 'high_temp'])  # 6-1至6-5的高溫high_temp

# 3.2.轉化為時間類型進行查詢
# （1）對date時間這一列轉為時間格式
df['date'] = pd.to_datetime(df['date'])
# （2）篩選某個時間片段
print(df.loc[df['date'] == pd.to_datetime('2020-06-03')])   # 6.3的數據
print(df.loc[df['date'] >= pd.to_datetime('2020-06-03')])   # 6.3之后的數據
# 篩選滿足多個條件的數據--條件之間用&連接
print(df.loc[(df['date'] >= pd.to_datetime('2020-06-03')) & (df['date'] <= pd.to_datetime('2020-06-05'))])  # 6.3-6.5數據
print(df.loc[(df['date'] >= pd.to_datetime('2020-06-01')) & (df['high_temp'] >= 30)])

"""
# 若是設置date時間格式列為索引，上述代碼要改寫
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之前的數據
print(df.loc[pd.to_datetime('2020-06-03'):, :])   # 6.3之后的數據
print(df.loc[pd.to_datetime('2020-06-03'):pd.to_datetime('2020-06-05'), :])  # 6.3-6.5數據
"""
# (3)判斷某個日期是周幾、出現的次數等等。。。
print(df['date'].dt.weekday)   # 直接顯示date這一列的星期數0-6周一-周日
print(df['date'].dt.is_month_start)   # 判斷是否是一個月的開始
print(df['date'].dt.is_month_end)   # 判斷是否是一個月的結束
print(df['date'].dt.is_leap_year)   # 判斷是否閏年
print(df['date'].dt.year.value_counts())  # 判斷年出現的次數
print(df['date'].dt.month.value_counts())  # 判斷月出現的次數

# （4對日期增減
import dateutil    # 導入新庫
# 增加1天（減少天用-號）
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
# 對月/時/分/秒增加直接將變量名改為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
# 若將參數變成單數year/day/month/hour/minute/second 並不是日期的加減，而是將日期對應值變成所設置的參數值
print(pd.to_datetime('2020-06-03')+dateutil.relativedelta.relativedelta(year=1991, day=5, minute=10)) # 1991-06-05 00:10:00