比如数据表中有一个表示时间的字符串 "2018/02/01"，要提取其年、月、日，就需要解析并分割该字符串。而实际中常遇到各种不同格式的表示，比如 "01/02/2018" 或 "2018-2-1" 等。如果要完全兼容不同格式，往往需要书写大量琐碎的代码。而这还只是最简单的提取年月日，其他比如时间的加减，都不是简单就能完成的。
pandas 作为数据分析最强大的工具集，也提供了一套非常强大的处理时间数据的工具，本文具体介绍这些内容。
核心概念：时间和时间序列
pandas 提供了丰富的处理时间的工具和类，其中最常用的有以下几种。
- Timestamp：代表某一个时间点。比如用户某个购物订单下单的时间，或者某次网页点击的时间。
- DatetimeIndex：代表一个时间点的序列，即多个 Timestamp 构成的列表。DatetimeIndex 可以作为 Series 和 DataFrame 的索引。
- Timedelta：单个时长。比如 2 个小时、4 分钟等都算时长，时长具有不同的单位，常见的单位有天、时、分、秒等。时长代表两点时间点（Timestamp）的距离。
- TimedeltaIndex：多个时长数据的序列。类似 DatetimeIndex 和 Timestamp 的关系。TimedeltaIndex 是多个 Timedelta 组成的列表，也可以作为 Series 和 DataFrame 的索引。
- DataOffset：时间在日历维度的偏移。比如 2018 年 2 月 1 日早上 6 点，在日历上偏移一天就是 2018 年 1 月 31 日早上 6 点。DataOffset 提供了各种方便的偏移方式，比如按照工作日偏移：星期五早上 10 点偏移一个工作日，可以自动返回下周一早上 10 点。
使用 pandas 做时间处理的时候，最常见的场景是：
- 将来自数据源的时间描述（比如字符串或者整型）等表示转化为 Timestamp 类型；
- 使用 Timestamp 类型访问时间的各种属性，比如年月日、星期几等；
- 使用 Timestamp 配合 Timedelta 做时间相关的计算和加减等；如果是在日历维度的计算，则配合 DataOffset 一起使用；
- 如果需要从时间的维度筛选 DataFrame 里的记录，则需要先将时间列设置为 DatetimeIndex，然后按照普通索引的用法通过时间来筛选。
下面逐一介绍这 4 种场景的实现方式。
时间数据的解析
时间数据的解析本质就是将各种不同类型的时间表示统一转换为 pandas 的 Timestamp 类型。因为只有转换为 Timestamp 之后才能进行后续的操作。
pandas 提供了 to_datetime 方法，将各种不同类型的时间数据转换为 Timestamp 类型。
（1）解析字符串
字符串是数据源中最常见的存储时间的方式，to_datetime 函数近乎支持所有主流的时间字符串标记法，比如：
import pandas as pd
# 常见的日期+时间的表示方法
pd_time = pd.to_datetime("2018-08-29 17:17:22")
print(type(pd_time),pd_time)
# 时间简写，并用12小时制的表示方法
pd_time1 = pd.to_datetime("2018-08-29 5:17pm")
print(type(pd_time1), pd_time1)
# / 表示法
pd_time2 = pd.to_datetime("08/29/2018")
print(type(pd_time2), pd_time2)
# 结合英文月份的表示方法
pd_time3 = pd.to_datetime("Aug 29, 2018")
print(type(pd_time3), pd_time3)
执行之后，输出：
<class 'pandas._libs.tslibs.timestamps.Timestamp'> 2018-08-29
2018-08-29 17:17:00
<class 'pandas._libs.tslibs.timestamps.Timestamp'> 2018-08-29 00:00:00
<class 'pandas._libs.tslibs.timestamps.Timestamp'> 2018-08-29 00:00:00
<class 'pandas._libs.tslibs.timestamps.Timestamp'> 2018-08-29 00:00:00
从上面的输出可以看到，to_datetime 函数返回的是 Timestamp 类型，并且该函数默认支持从常见的用字符串表示的时间格式中解析出 Timestamp 结构。
如果解析的时间字符串不是常见类型呢？比如中文环境中，类似“2018 年 8 月 29 日”这样的表示方法还是会经常遇到。答案是可以通过自定义格式解析。
to_datetime 支持自定义时间格式字符串来进行解析。在时间格式字符串中，%Y 表示年份，%m 代表月，%d 代表日。
比如要解析刚才的中文时间，对应的格式字符串是 "%Y年%月%日"。代码如下：
# 使用自定义格式字符串解析任意时间字符串
pd_time4 = pd.to_datetime("2018年8月29日", format="%Y年%m月%d日")
print(type(pd_time4), pd_time4)
执行之后，输出如下。因为没有指定时分秒，所以这个部分默认为 0。
<class 'pandas._libs.tslibs.timestamps.Timestamp'> 2018-08-29 00:00:00
（2）解析整型/浮点型时间戳
在很多数据系统中，时间也经常以时间戳的形式存在。时间戳一般指从 1970 年 1 月 1 日到某个时间点的秒数。比如一个特定的时间点：北京时间的 2021-05-09 21:06:44，对应的时间戳就是 1620565604，代表从 1970 年 1 月 1 日零时零分零秒到 2021 年 5 月 9 日下午 9 点 6 分 44 秒一共有 1620565604 秒。
to_datetime 同样支持直接将时间戳转换为 Timestamp 类型，用法如下：
time_value = 1620565604
# 将数字时间戳转换为 Timestamp 类型，并指定单位为秒
pd_time5 = pd.to_datetime(time_value, unit="s")
print(type(pd_time5), pd_time5)
输出：
<class 'pandas._libs.tslibs.timestamps.Timestamp'> 2021-05-09 13:06:44
Timestamp 对象已经正确构建，但是为什么是 13 点 06 分，而不是刚才的 21 点 06 分？原因是通过 to_datetime 默认使用格林威治时间，也就是零时区，落后北京时间 8 小时。如果算上 8 小时的偏移，13+8 正好是 21 点 06 分。如果在构造 Timestamp 对象时就指定时区，可以调用 tz_localize 指定。
# 转换时间戳并指定时区
pd_time6 = pd.to_datetime(time_value, unit="s").tz_localize("Asia/Shanghai")
print(type(pd_time6), pd_time6)
输出：
<class 'pandas._libs.tslibs.timestamps.Timestamp'> 2021-05-09 13:06:44+08:00
可以看到，这次输出的内容多了一个 +08:00，代表已经带上了时区。
（3）直接构造 Timestamp 对象
除了上述两种方式外，还可以直接构建 Timestamp 对象。比如通过指定年月日，或者直接获取程序运行的时间。主要包括以下用法：
# 通过单独指定年月日等信息来创建 Timestamp 对象
pd_time7 = pd.Timestamp(year=2018, month=8, day=29, hour= 21)
print(type(pd_time7), pd_time7)
# 获取当前的时间
pd_time8 = pd.Timestamp("now")
print(type(pd_time8), pd_time8)
输出：
<class 'pandas._libs.tslibs.timestamps.Timestamp'> 2018-08-29 21:00:00
<class 'pandas._libs.tslibs.timestamps.Timestamp'> 2021-05-09 21:54:38.064474
时间属性的提取
获取到 Timestamp 对象之后，可以通过 Timestamp 对象提供的方法轻松获取各种时间的属性。常见的属性获取方法如下所示：
print("当前时间对象：", pd_time8)
print("星期几，星期一为0：", pd_time8.dayofweek)
print("星期几，字符串表示：", pd_time8.day_name())
print("一年中的第几天：", pd_time8.dayofyear)
print("这个月的有几天：",pd_time8.daysinmonth)
print("今年是否是闰年", pd_time8.is_leap_year)
print("当前日期是否是本月最后一天", pd_time8.is_month_end)
print("当前日期是否是本月第一天", pd_time8.is_month_start)
print("当前日期是否是本季度最后一天", pd_time8.is_quarter_end)
print("当前日期是否是本季第一天", pd_time8.is_quarter_start)
print("当前日期是否是本年度最后一天", pd_time8.is_year_end)
print("当前日期是否是本年度第一天", pd_time8.is_year_start)
print("当前第几季度：", pd_time8.quarter)
print("当前的时区：", pd_time8.tz)
print("本年第几周：", pd_time8.week)
print("年：", pd_time8.year)
print("月：", pd_time8.month)
print("日：",pd_time8.day)
print("小时：", pd_time8.hour)
print("分钟：", pd_time8.minute)
print("秒：", pd_time8.second)
输出：
当前时间对象： 2021-05-09 21:54:38.064474
星期几，星期一为0： 6
星期几，字符串表示： Sunday
一年中的第几天： 129
这个月的有几天： 31
今年是否是闰年 False
当前日期是否是本月最后一天 False
当前日期是否是本月第一天 False
当前日期是否是本季度最后一天 False
当前日期是否是本季第一天 False
当前日期是否是本年度最后一天 False
当前日期是否是本年度第一天 False
当前第几季度： 2
当前的时区： None
本年第几周： 18
年： 2021
月： 5
日： 9
小时： 21
分钟： 54
秒： 38
使用方法比较直观，这里不再展开解释。
时间数据的计算
pandas 中，时间数据的计算指的是时间数据的加减，比如在一个时间点上增加几小时、几分钟、几天或几个月来得到新的时间。因为时间并不像数字运算一样简单，而是有很多潜在的规则，比如一分钟 60 秒、一小时 60 分钟、一天 24 小时、一个月可能有 28 天也可能有 30、31 天等，如果手写计算逻辑将非常复杂。
pandas 提供了一套强大的时间计算机制，无需关注背后的规则就能完成时间的计算。pandas 的时间计算通过 Timestamp 对象和 Timedelta 对象混合运算来实现。Timedelta 可以理解为一个时间段，或者说时间长度。最常见的运算有以下两种类型：
- 两个 Timestamp 对象相减，可以得到一个 Timedelta 对象；
- 一个 Timestamp 对象加上或者减去一个 Timedelta 对象，可以获得一个新的 Timestamp 对象。
要实现时间的运算，首先需要创建 Timedelta 对象。
Timedelta 对象的创建
Timedelta 对象和 Timestamp 对象类似，也支持多种形式的创建。
（1）从字符串来创建
Timedelta 对象支持解析多种描述时长的格式。通过代码来展示：
delta1 = pd.Timedelta('0.5 days')
print("半天：", delta1)
delta2 = pd.Timedelta("2 days 3 hour 20 minutes")
print("2天零3小时20分钟", delta2)
delta3 = pd.Timedelta("1 days 20:36:00")
print("1天零8小时36分钟：", delta3)
执行之后输出：
半天： 0 days 12:00:00
2天零3小时20分钟 2 days 03:20:00
1天零8小时36分钟： 1 days 20:36:00
（2）从单元时间创建
除了通过一定格式的字符串来创建 Timedelta 对象之外，还可以通过设置函数的参数来创建 Timedelta 对象，比如这样表示：
delta4 = pd.Timedelta(days = 1.5)
print("1天半：", delta4)
delta5 = pd.Timedelta(days = 10, hours= 9)
print("十天零九小时：", delta5)
输出：
1天半： 1 days 12:00:00
十天零九小时： 10 days 09:00:00
（3）从时间缩写创建
还有一种简洁的形式来创建 Timedelta，就是通过数字+缩写的形式。缩写主要有以下几种：
- W：代表周、星期
- D：代表天
- H：代表小时
- M：代表分钟
- S：代表秒
具体使用方法如下：
delta6 = pd.Timedelta("2W3D")
print("两周零三天：", delta6)
delta7 = pd.Timedelta("6H30M12S")
print("6小时30分钟12秒：", delta7)
输出：
两周零三天： 17 days 00:00:00
6小时30分钟12秒： 0 days 06:30:12
执行时间的计算
在学会如何创建 Timedelta 对象之后，做时间的计算就非常简单了。直接看代码：
# 获得当前的时间
current_time = pd.Timestamp("now")
print("当前时间：", current_time)
# 获得当前时间减去两周的时间
two_week_ago = current_time - pd.Timedelta("2W")
print("两周前：", two_week_ago)
# 获得当前时间30天零7小时之后的时间
future_time = current_time + pd.Timedelta("30D7H")
print("30天零7小时之后的时间：",future_time)
执行之后，输出：
当前时间： 2021-05-09 23:46:09.346063
两周前： 2021-04-25 23:46:09.346063
30天零7小时之后的时间： 2021-06-09 06:46:09.346063
除了计算 Timedelta 和 Timestamp 外，两个 Timestamp 也能相减，得出一个时长（也就是 Timedelta）。
# 创建去年国庆节上午八点的时间
national_day = pd.to_datetime("2020-10-01 08:00:00")
# 计算当前时间和国庆时间的 Timedelta
delta8 = current_time - national_day
print("距离去年国庆已经过了：", delta8)
执行之后，输出：
距离去年国庆已经过了： 220 days 15:46:09.346063
时间数据作为索引
除了两个时间点的各种操作之外，pandas 还支持将时间数据作为索引，从而支持各种时间维度的选择。下面用一个例子来说明这个特性的重要性。
将数据集 order_record.csv 放到工作目录中。
先将数据集加载出来，看看里面有什么：
# 加载 order_record.csv 文件
df_log = pd.read_csv("order_record.csv")
# 查看 DataFrame
df_log
输出：
这是一个电商网站用户购买的记录数据，一共有一千条内容。从最后一列时间列来看，时间跨度在 2018 年 6 月到 11 月之间。
如果要方便地进行时间维度的分析，比如查看 9 月 1 日到 9 月 15 日的记录，或者 8 月到 9 月的记录，可以考虑将 time 列转化为 DatetimeIndex，这样就能直接对时间进行索引。
设置 DatetimeIndex
将字符串的时间列转化为 DatetimeIndex 一般分为两步：第一步首先将时间列转化为 Timestamp 对象。
# 将 time 列转化为 Timestamp对象
df_log["time"] = pd.to_datetime(df_log["time"])
# 查看 time 列
df_log["time"]
执行之后输出：
0 2018-08-29 17:17:22.300959410
1 2018-08-29 20:59:58.841378430
2 2018-08-01 19:20:06.479644547
3 2018-08-01 17:25:58.912202131
4 2018-06-02 11:00:51.123221777
...
995 2018-11-08 11:10:13.586269568
996 2018-11-08 19:10:55.214335543
997 2018-11-08 16:54:37.687285776
998 2018-11-08 17:46:17.253211617
999 2018-06-26 20:38:07.950590072
Name: time, Length: 1000, dtype: datetime64[ns]
可以看到，目前 time 列的数据类型已经转换为 Timestamp。
第二步就是将新的 time 列设置成索引。
# 设置 time 一列为 df_log 的索引
df_log.set_index("time", inplace=True)
# 查看最新的 DataFrame
df_log
执行之后，输出：
可以看到，时间列已经替代了之前默认的数字序号，成为 DataFrame 新的行索引。
现在查看一下 DataFrame 的索引类型。
df_log.index
输出：
DatetimeIndex(['2018-08-29 17:17:22.300959410',
'2018-08-29 20:59:58.841378430',
'2018-08-01 19:20:06.479644547',
'2018-08-01 17:25:58.912202131',
...
'2018-11-08 16:54:37.687285776',
'2018-11-08 17:46:17.253211617',
'2018-06-26 20:38:07.950590072'],
dtype='datetime64[ns]', name='time', length=1000, freq=None)
可以看到，目前 df_log 表的索引就是开头介绍的 DatetimeIndex 类型。
基于时间筛选和过滤数据
设置完 DatetimeIndex 之后，根据时间维度筛选就变得很简单。可以使用之前学习的 loc 索引器，在行索引部分以字符串的形式写时间范围（开始时间和结束时间之间以冒号连接），具体用法见代码：
（1）选择从 9 月 1 日到 9 月 15 日的数据
df_log.loc["2018-09-01" : "2018-09-15",:]
输出（只截取了部分）：
（2）选择从 8 月到 9 月的数据
df_log.loc["2018-08" : "2018-09", :]
输出：
（3）选择从 8 月 1 日到 9 月 2 日下午两点之前的数据
df_log.loc["2018-08-01" : "2018-09-02 14:00:00", :]
输出：
可以看到，把 Timestamp 作为索引时，可以非常简单地实现各种不同时间范围的筛选，并且时间范围的写法也非常自由。
小结
关于时间常用的处理技术至此介绍完毕，下面复习一下本文的内容。
1. 基本概念：
pandas 的时间处理体系主要包含这几个类。
- Timestamp 代表时间点。
- DatetimeIndex 代表多个 Timestamp 构成的索引列表。
- Timedelta 代表时间长度，用于做时间的计算。
- TimedeltaIndex 用于将 Timedelta 做索引，但不常用。
2. 数据的解析：
通过 to_datetime 函数，可以将各类时间字符串、时间戳等表示形式转换为 Timestamp 对象。同时也可以自定义时间格式字符串，用 %Y、%m、%d 等格式字符来自定义解析。
3. 时间属性的提取：
Timestamp 对象提供了丰富的访问时间各种维度信息的能力，比如当前时间是星期几、在一年中是第几天等，具体见上面的示例代码。
4. 时间数据的计算：
在某个时间点上加减时间，需要用 Timedelta 对象来描述时间的长度。同样，Timedelta 对象也能从各种不同的数据生成，比如字符串、单位时间等。Timedelta 同时也可以表示两个 Timestamp 相减后的差。
5. 时间数据作为索引：
当从时间维度去筛选数据表中的数据时，可以将时间相关的列转换成 DatetimeIndex，这样可以在行索引中直接写时间范围来筛选数据，非常方便。
思考题
思考一下，Timedelta 为什么不能按月创建？
版本差异（数据科学栈 → 当前版本）
| 库 | 本文编写时 | 当前稳定版 | 升级要点 |
|---|---|---|---|
| Python | 3.8-3.12 | 3.14 | 3.12+ 起性能显著提升；3.14 PEP 649/750 |
| NumPy | 1.x/2.0 | 2.3.x | np.float_ 等别名移除；NEP 50 类型提升 |
| Pandas | 1.x/2.x | 3.0.x | Copy-on-Write 默认开启；inplace 移除；字符串 dtype 变化 |
| Matplotlib | 3.x | 3.x 稳定版 | API 兼容，样式更新 |
| Seaborn | 0.12/0.13 | 0.13.x | API 稳定 |
| scikit-learn | 1.x | 1.7.x | API 稳定，新算法持续加入 |
本文讲解的数据分析流程（读取→清洗→分析→可视化）与核心 API 在最新版本中成立；升级时重点关注 Pandas 3.0 的 Copy-on-Write 与 NumPy 2.x 的类型变化。