Python Pandas Timestamp 常用方法及 DatetimeArray 类详解

结果输出

8:00:00
None

703、pandas.Timestamp.utctimetuple 方法

语法

pandas.Timestamp.utctimetuple()

返回 UTC 时间元组，兼容 time.localtime()。

参数

无

功能

将 Timestamp 对象转换为 UTC 时区下的时间元组，忽略时区信息。

返回值

返回一个 time.struct_time 对象，该对象是 Python 标准库中的一个元组类型，表示 UTC 时区下的时间。

time.struct_time 对象的格式：

time.struct_time(tm_year, tm_mon, tm_mday, tm_hour, tm_min, tm_sec, tm_wday, tm_yday, tm_isdst)

其中，各个字段的含义如下：

• tm_year: 年份 (4 位数字)
• tm_mon: 月份 (1-12)
• tm_mday: 日 (1-31)
• tm_hour: 小时 (0-23)
• tm_min: 分钟 (0-59)
• tm_sec: 秒 (0-59)
• tm_wday: 星期几 (0-6，0 表示星期一)
• tm_yday: 一年中的第几天 (1-366)
• tm_isdst: 夏令时标志 (在这个方法中总是返回 0，因为 UTC 不使用夏令时)

说明

无

用法

数据准备

无

代码示例

import pandas as pd
# 创建一个 Timestamp 对象
ts = pd.Timestamp('2024-10-15 20:25:00', tz='US/Eastern')
# 使用 utctimetuple() 方法
utc_time = ts.utctimetuple()
print(utc_time)
print(f"Year: {utc_time.tm_year}")
print(f"Month: {utc_time.tm_mon}")
print(f"Day: {utc_time.tm_mday}")
print(f"Hour: {utc_time.tm_hour}")
print(f"Minute: {utc_time.tm_min}")
print(f"Second: {utc_time.tm_sec}")

结果输出

time.struct_time(tm_year=2024, tm_mon=10, tm_mday=16, tm_hour=0, tm_min=25, tm_sec=0, tm_wday=2, tm_yday=290, tm_isdst=0)
Year: 2024
Month: 10
Day: 16
Hour: 0
Minute: 25
Second: 0

704、pandas.Timestamp.weekday 方法

语法

pandas.Timestamp.weekday()

返回日期代表的星期几。Monday == 0 … Sunday == 6。

参数

无

功能

用于返回一个整数字段，表示该日期是星期几，星期一对应的值为 0，星期二为 1，依此类推，星期日为 6。

返回值

返回一个整数字段，表示该日期是星期几。

说明

无

用法

数据准备

无

代码示例

import pandas as pd
date = pd.Timestamp('2024-10-16')
weekday = date.weekday()
print(weekday)

结果输出

2

705、pandas.arrays.DatetimeArray 类

语法

class pandas.arrays.DatetimeArray(values, dtype=None, freq=_NoDefault.no_default, copy=False)
Pandas ExtensionArray for tz-naive or tz-aware datetime data.
Warning DatetimeArray is currently experimental, and its API may change without warning.
In particular, DatetimeArray.dtype is expected to change to always be an instance of an ExtensionDtype subclass.
Parameters:
values: Series, Index, DatetimeArray, ndarray - The datetime data.
For DatetimeArray values (or a Series or Index boxing one), dtype and freq will be extracted from values.
dtype: numpy.dtype or DatetimeTZDtype - Note that the only NumPy dtype allowed is 'datetime64[ns]'.
freq: str or Offset, optional - The frequency.
copy: bool, default False - Whether to copy the underlying array of values.

参数

values(必须)：array-like，用于创建 DatetimeArray 的基本数据，通常是一个日期时间的数组，如字符串、整数时间戳或已转换为日期时间格式的其他数据。

dtype(可选，默认值为 None)：str 或 np.dtype 或 None，指定数据的类型，可以是字符串形式的 dtype 或者是 numpy 数据类型，如果不提供，pandas 将根据 values 自动推断。

freq(可选，默认值为_NoDefault.no_default)：str, DateOffset 或者 None，指定时间序列的频率，例如'D'表示日，'H'表示小时等，如果没有指定，默认值为 None，这对于时间序列的数据分析非常关键，因为频率可以影响到数据的时序操作。

copy(可选，默认值为 False)：布尔值，是否创建数据的副本，如果设置为 True，尽管 values 可能是可变的，依然会强制创建一个新的数组，这在避免对原数据的意外修改时可能会有用。

功能

用于提供高效的、矢量化的时间序列数据表示形式，它允许快速的时间戳开发、切片、时间运算等操作，是处理时间相关数据时不可或缺的组成部分。

返回值

构造完成后，DatetimeArray 将返回一个表示日期时间的对象，该对象能够支持许多 pandas 时间序列功能，包括但不限于索引操作、时间戳反向转换、缺失值处理等。

说明

无

用法

数据准备

无

代码示例

import pandas as pd
# 创建一个日期时间的数组
date_strings = ["2024-10-16", "2024-10-17", "2024-10-18"]
# 转换为 DatetimeArray
datetime_array = pd.arrays.DatetimeArray(pd.to_datetime(date_strings))
print("DatetimeArray:")
print(datetime_array)
# 访问特定的日期
print("\n访问特定日期:")
print(datetime_array[1])
# 访问第二个日期
# 进行日期运算，例如增加一天
print("\n增加一天:")
new_dates = datetime_array + pd.Timedelta(days=1)
print(new_dates)
# 检查频率（此例中没有设置频率，所以会是 None）
print("\n频率:")
print(datetime_array.freq)

结果输出

DatetimeArray:
<DatetimeArray>
['2024-10-16 00:00:00', '2024-10-17 00:00:00', '2024-10-18 00:00:00']
Length: 3, dtype: datetime64[ns]

访问特定日期:
2024-10-17 00:00:00

增加一天:
<DatetimeArray>
['2024-10-17 00:00:00', '2024-10-18 00:00:00', '2024-10-19 00:00:00']
Length: 3, dtype: datetime64[ns]

频率:
None