摘要

時間序列（time series）數據是一種重要的結構化數據形式，應用于多個領域，包括金融學、經濟學、生態學、神經科學、物理學等。在多個時間點觀察或測量到的任何事物都可以形成一段時間序列。在進行時間序列問題分析時，通常需要將字符串和datetime類型相互轉換，本文分享他們之間相互轉換的集中常用方法（主要用到的庫有datetime、pandas以及dateutil）。

(一)datetime -> str
datetime類型轉成str一般常用的有兩種方法：str和傳入格式化字符串的strftime方法。
1.str()類型轉換

            
              from datetime import datetime
stamp = datetime(2011, 1, 3)
stamp

            
          

            
              str(stamp)

            
          

2.strftime方法類型轉換

            
              stamp.strftime('%Y-%m-%d')

            
          

下圖是全部的格式化編碼：

(一)str -> datetime
將str轉成日期時間類型有三種常用方法：一個是與strftime互逆的strptime方法、以及dateutil包的parse方法、還有pandas的to_datetime方法。
1.strptime方法

            
              value = '2011-01-03'
datetime.strptime(value, '%Y-%m-%d')

            
          

2.dateutil包中的parser.parse方法

            
              from dateutil.parser import parse
parse('2011-01-03')

            
          

這個方法還有個很好的地方就是不用你顯示的給定編碼格式，dateutil可以解析幾乎所有人類能夠理解的日期表示形式。

            
              parse('Jan 31, 1997 10:45 PM')

            
          

在國際通用的格式中，日出現在月的前面很普遍，傳入dayfirst=True(默認值為False)即可解決這個問題.

            
              parse('6/12/2011', dayfirst=True)

            
          

注意：parser是一個實用但不完美的工具。比如說，它會把一些原本不是日期的字符串認作是日期（比如"42"會被解析為2042年的今天）。

3.pandas包的to_datetime方法
to_datetime方法可以解析多種不同的日期表示形式。對標準日期格式（如ISO8601）的解析非常快：

            
              import pandas as pd
datestrs = ['2011-07-06 12:00:00', '2011-08-06 00:00:00']
pd.to_datetime(datestrs)

            
          

它還可以處理缺失值（None、空字符串等）：

            
              idx = pd.to_datetime(datestrs + [None])
idx

            
          

其中第三個元素為NaT：Not a Time。是pandas中時間戳數據的null值。

歡迎添加個人微信號：liu2536036458。

想進入交流群的，備注： 數據分析交流群