Pandas提供了強大的日期和時間處理功能，這對于時間序列分析至關重要。本教程將介紹Pandas中處理日期時間的主要方法。包括：

• 日期時間數據的創建和轉換
• 日期時間屬性的提取
• 時間差計算和日期運算
• 重采樣和頻率轉換
• 時區處理
• 基于日期時間的索引操作

Pandas中的日期時間類型

• 時間戳（timestamp）：表示的是一個特定的時刻，比如 2008 年 8 月 8 日下午午 8:00。
• 時間周期（period）：引用特定開始和結束點之間的時間長度；例如，2015 年。時間段通常引用時間間隔的特殊情況，其中每個間隔具有統一的長度并且不重疊（例如，構成每天的 24 小時長的時間段）。
• 時間增量或間隔（timedelta）：引用確切的時間長度（例如，間隔為 22.56 秒）。

1. 創建日期時間數據

1.1 使用to_datetime()函數

import pandas as pd# 將字符串轉換為datetime
date_str = ['2023-01-01', '2023-01-02', '2023-01-03']
dates = pd.to_datetime(date_str)
print(dates)

1.2 創建日期范圍

# 創建日期范圍
date_range = pd.date_range('2023-01-01', periods=5, freq='D')
print(date_range)# 帶有時區的日期范圍
date_range_tz = pd.date_range('2023-01-01', periods=5, freq='D', tz='Asia/Shanghai')
print(date_range_tz)

2. 訪問日期時間屬性

# 創建示例DataFrame
df = pd.DataFrame({'date': pd.date_range('2023-01-01', periods=5, freq='D'),'value': [10, 20, 30, 40, 50]
})# 提取年、月、日等屬性
df['year'] = df['date'].dt.year
df['month'] = df['date'].dt.month
df['day'] = df['date'].dt.day
df['day_of_week'] = df['date'].dt.dayofweek  # 周一=0, 周日=6
df['day_name'] = df['date'].dt.day_name()
df['is_weekend'] = df['date'].dt.dayofweek >= 5print(df)

3. 日期時間運算

3.1 時間差計算

# 計算時間差
df['date_diff'] = df['date'] - df['date'].shift(1)
print(df[['date', 'date_diff']])# 使用Timedelta進行時間運算
df['date_plus_2days'] = df['date'] + pd.Timedelta(days=2)
df['date_plus_3hours'] = df['date'] + pd.Timedelta(hours=3)
print(df)

3.2 日期比較

# 日期比較
start_date = pd.to_datetime('2023-01-02')
df['after_start_date'] = df['date'] > start_date
print(df[['date', 'after_start_date']])

4. 重采樣和時間頻率轉換

# 創建示例時間序列數據
ts = pd.Series([1, 2, 3, 4, 5],index=pd.date_range('2023-01-01', periods=5, freq='D')
)# 降采樣（低頻） - 計算每周平均值
weekly = ts.resample('W').mean()
print("Weekly resample:\n", weekly)# 升采樣（高頻） - 填充缺失值
hourly = ts.resample('H').ffill()
print("Hourly resample (forward fill):\n", hourly.head(10))  # 只顯示前10行

5. 時區處理

# 本地化時區
ts = pd.Series([1, 2, 3],index=pd.date_range('2023-01-01', periods=3, freq='D')
)
ts = ts.tz_localize('UTC')
print("UTC timezone:\n", ts)# 時區轉換
ts_shanghai = ts.tz_convert('Asia/Shanghai')
print("Shanghai timezone:\n", ts_shanghai)

6. 日期時間索引操作

# 設置日期為索引
df.set_index('date', inplace=True)# 按年份切片
print(df.loc['2023'])# 按月份切片
print(df.loc['2023-01'])# 按日期范圍切片
print(df.loc['2023-01-02':'2023-01-04'])

7. 實際應用示例

# 讀取包含日期時間的數據
# 假設有一個CSV文件包含日期列
# df = pd.read_csv('data.csv', parse_dates=['date_column'])# 處理缺失日期
full_date_range = pd.date_range(start=df.index.min(), end=df.index.max(), freq='D')
df = df.reindex(full_date_range)# 填充缺失值
df['value'] = df['value'].fillna(method='ffill')  # 前向填充# 計算滾動平均值
df['7_day_avg'] = df['value'].rolling(window='7D').mean()print(df.head(10))

8. 高級技巧

8.1 自定義工作日歷

from pandas.tseries.offsets import CustomBusinessDay
from pandas.tseries.holiday import USFederalHolidayCalendar# 使用美國聯邦假日日歷
us_bd = CustomBusinessDay(calendar=USFederalHolidayCalendar())
date_range = pd.date_range('2023-01-01', periods=10, freq=us_bd)
print("US business days only:\n", date_range)

8.2 季度數據處理

# 創建季度數據
quarterly = pd.Series([100, 200, 300, 400],index=pd.date_range('2023-01-01', periods=4, freq='Q')
)# 季度開始和結束日期
print("Quarter start:\n", quarterly.index)
print("Quarter end:\n", quarterly.index + pd.offsets.QuarterEnd())