上一篇文章中，我們理清楚了python的time庫以及datetime庫中各種時間對象的處理方法，以及相互之間的轉化方法。

我們發現，time庫以及datetime庫中，確實存在名字相同，但是調用方法與所屬類完全不一樣的情況，這也是造成使用過程中各種混淆的原因。

今天我們把Pandas庫中處理時間的各種函數與方法也加進來討論，當然，由于Pandas中處理時間的方法和類太多太強大，我們僅僅是對其中探討Pandas其中部分，特別是其中與time庫、datetime庫有關聯且又容易混淆的相關知識。

(一) 此Timestamp非彼Timestamp

相信在讀過前面一篇文章的同學，對time庫中的unix時間戳還有印象，但是Pandas中的Timestamp對象和unix時間戳格式完全不同。

Pandas中的Timestamp對象可以說是Pandas中時間序列對象的“細胞”，如果我們有datetime64[ns]型Series對象如下：

你會發現當你提取Series第一個元素出來，返回來的就是一個Timestamp對象。當然，我們也可以自己創建一個Timestamp對象：

從上面的代碼你會發現，你可以將unix時間戳、字符串型日期、datetime庫中datetime.datetime通過pd.Timestamp()方法直接轉化為Timestamp對象。

反過來呢？如果想將把Timestamp對象轉化為unix時間戳，可以使用pd.Timestamp.timestamp()方法：

(二) 生成時間序列

Pandas作為處理多維數組的“神器”，本篇文章講的當然是處理時間序列的方法。其中，Pandas中生成時間序列的方法不少，最常用的方法是pd.date_range()，我們看一下其使用方法：

l pd.date_range(start, end, freq) 生成一個時間段

n start:開始時間，參數可以是datetime庫中的datetime對象，也可以是字符串。

n end:結束時間，參數可以是datetime庫中的datetime對象，也可以是字符串。

n freq:時間頻率，'Y'表示年，'M’表示月，'D’表示天，'H’表示小時，'Min’表示分鐘

注意，這里開始時間和結束時間的參數指向的對象，是可以是datetime.datetime對象：

當然，這里的開始時間除了可以使用datetime.datetime實例以外（這里注意，是使用的datetime庫中的類，而不是Pandas庫），也可以用字符串來表示。

以start_time為2019年7月17日為例，start_time也可以是字符串'20190717'、'2019-07-17'、'2019/07/17'...

從上面可以看到，pd.date_range()方法生成的是長度為200、數據類型為datetime的DatetimeIndex對象，時間頻率是天。

也就是說，2019年7月17日到2020年2月1日，算上始末的日期，一共200天。這是因為默認的頻率是每天，freq='D'。 也可以通過改變時間頻率，詳情參考上面的使用方法添加修改freq參數即可。

如果我們想要2019年7月17日為起始，按照每天的時間頻率，生成長度為200的DataIndex對象，可以這樣寫：

相應地，如果想要以2020年2月1日為結束日，按照每天的時間頻率，生成長度為200的DataIndex對象，可以這樣寫：

(三) .to_datetime()方法

當然，上面的方法生成的是DatetimeIindex對象，可以通過pd.Series()方法轉化為Series對象：

但是對于不規范的日期字符串Series，需要使用pd.to_datetime()方法來對其進行轉換，比如：

(四) DateOffset類

datetime庫中有timedelta類作為日期的增減，Pandas中也有專門的DateOffset類作為時間間隔對象，可以直接作用在上面的datetime型Series對象中。

其使用方法和datetime.timedelta類相似，但是要注意的是里面的參數名最后都加了's'。

datetime型Series對象可以直接使用DataOfffset對象進行日期加減：

也可以作用在DatetimeIndex對象中：

(五) 時間序列日期格式化

要對datetime型的Series對象進行日期格式轉換，可以通過Series實例的方法.dt.strftime()，其格式化字符串依然可以參照datetime庫中的格式化字符串對照表：

要對datetime型的Series對象進行日期格式轉換，可以通過Series實例的方法.dt.strftime()，其格式化字符串依然可以參照文章開頭的datetime庫中的格式化字符串對照表：

但是如果留心的話可以發現，轉化之后的數據類型，已經從datetime型變成object類，也就是字符串。

如果把字符串時間date_03重新轉化為datetime型Series，用上面提到的pd.to_datetime()方法即可：

(六) 結后語

time庫和datetime庫以及Pandas中各種對象處理時間的方法，雖然錯綜復雜又相互關聯，但是其實在使用方面有所側重和不同。

time庫以及datetime庫的對象，一般用在程序設計的中涉及到時間的問題，比如爬蟲的時候在獲得的不規則時間時碰到的格式轉換問題，會使用很多。

Pandas中各種與時間相關的類非常多，方法非常豐富，涉及到時間處理的各個方面，主要用作序列數據的處理方面，這和time庫與datetime庫對單獨某些日期數據處理不同。

就數據分析工作而言，對時間序列數據處理的時候Pandas用得非常多，以至于很多人幾乎都忘記time庫與datetime庫的存在?？傮w而言，對于數據分析初學者而言，可以把Pandas作為重點學習方面，但是time庫和datetime庫作為Python標準庫，其時間類的基本使用方法的學習是必不可少的。