时间构造函数

构造时间，datetime.datetime包

直接用datetime包，如下图pd.datetime未来会取消
datetime.datetime.now(),生成现在的时间
可以访问具体的时分秒
strftime()可以格式化时间字符串

时间戳pd.Timestamp()和时间段 pd.Period()

时间戳是最基本的时间序列数据，用于把数值与时点关联在一起。Pandas 对象通过时间戳调用时点数据。
pd.Timestamp创建一个普通时间戳
- ps.date_range()创建一个具有频率的时间戳

ps.Period()表示一个时间段，而不是一个具体的时间点。
- 也可以使用 pd.Period 来创建一个时间段，并指定频率。

构造时间序列date_range\bdate_range()

如果时间戳是定频的，用date_range()与bdate_range()函数即可创DatetimeIndex。
date_range 默认的频率是日历日，bdate_range 的默认频率是工作日

freq参数可选字段

别名	偏移量类型	说明
D	Day	每日历日
B	Business Day	每工作日
H	Hour	每小时
T或min	Minute	每分
S	Second	每秒
L或ms	Milli	每毫秒（千分之一秒）
U	Micro	每微秒（百万分之一秒）
M	MonthEnd	每月最后一个日历日
BM	BusinessMonthEnd	每月最后一个工作日
MS	MonthBegin	每月第一个日历日
BMS	BusinessMonthBegin	每月第一个工作日

不过，大多数情况下，用时间段改变变量更自然。Period 表示的时间段更直观，还可以用日期时间格式的字符串进行推断。
Timestamp 与 Period 可以用作索引。作为索引的 Timestamp 与 Period 列表则被强制转换为对应的 DatetimeIndex 与 PeriodIndex

转换时间戳

to_datetime()

to_datetime 函数用于转换字符串、纪元式及混合的日期 Series 或日期列表。

to_datetime 转换单个字符串时，返回的是单个 Timestamp。

解析欧式日期（日-月-年），要用 dayfirst 关键字参数：

Timestamp 仅支持字符串输入，不支持 dayfirst、format 等字符串解析选项，如果要使用这些选项，就要用 to_datetime

DatetimeIndex构造

无效数据

不可解析时，默认值 errors='raise' 会触发错误：

errors = 'ignore'返回原始输入，还是字符串格式

errors='coerce' 把无法解析的数据转换为 NaT，即不是时间（Not a Time）：

自定义格式处理函数

时间索引访问

常规时间索引访问

DatetimeIndex 可以当作常规索引，支持选择、切片等方法。

局部字符串索引

能解析为时间戳的日期与字符串可以作为索引的参数
pandas 为访问较长的时间序列提供了便捷方法，年、年月字符串均可
带 DatetimeIndex 的 DateFrame 也支持这种切片方式。局部字符串是标签切片的一种形式，这种切片也包含截止时点，即，与日期匹配的时间也会包含在内

举个栗子

日期/时间属性

以下日期/时间属性可以访问 Timestamp 或 DatetimeIndex对象。

属性	说明
year	datetime 的年
month	datetime 的月
day	datetime 的日
hour	datetime 的小时
minute	datetime 的分钟
second	datetime 的秒
microsecond	datetime 的微秒
nanosecond	datetime 的纳秒
date	返回 datetime.date（不包含时区信息）
time	返回 datetime.time（不包含时区信息）
timetz	返回带本地时区信息的 datetime.time
dayofyear	一年里的第几天
weekofyear	一年里的第几周
week	一年里的第几周
dayofweek	一周里的第几天，Monday=0, Sunday=6
weekday	一周里的第几天，Monday=0, Sunday=6
weekday_name	这一天是星期几（如，Friday）
quarter	日期所处的季节：Jan-Mar = 1，Apr-Jun = 2 等
days_in_month	日期所在的月有多少天
is_month_start	逻辑判断是不是月初（由频率定义）
is_month_end	逻辑判断是不是月末（由频率定义）
is_quarter_start	逻辑判断是不是季初（由频率定义）
is_quarter_end	逻辑判断是不是季末（由频率定义）
is_year_start	逻辑判断是不是年初（由频率定义）
is_year_end	逻辑判断是不是年末（由频率定义）
is_leap_year	逻辑判断是不是日期所在年是不是闰年

pandas对象的dt属性

Series对象和DataFrame的列数据提供了dt属性接口（accessors），对应日期时间数据，通过这个接口可以快速实现特定的功能，非常快捷。

可以用于提取时间里的年月日等等
- 现将时间转换为datetime格式，在使用dt属性

python


df_abs['salesday'] = pd.to_datetime(df_abs['salesday'] )
df_abs['year'] = df_abs['salesday'].dt.year
df_abs['month'] = df_abs['salesday'].dt.month
df_abs['week'] = df_abs['salesday'].dt.week
df_abs['ym'] = df_abs['salesday'].dt.strftime(('%Y-%m'))
df_abs['yw'] = df_abs['salesday'].dt.strftime(('%Y-%U'))
df_abs['day_of_week'] = df_abs['salesday'].dt.day_of_week
df_abs.loc[:,['salesday','year','month','week','ym','yw','day_of_week']].head()