二、Python系列——time时间格式的转换及计算

 # -*- coding:utf-8 -*-
 import pandas as pd
 import time
 import datetime

 start_date = '2020-06-08'
 # 一、将字符串文本类型转化为时间
 # %Y-%m-%d 为自定义时间格式，也可设置成完整格式：%Y-%m-%d %H:%M:%S,若使用完整格式，输入的start_date的文本格式也要完整对应，否则报错
 # 1.使用datetime包
 date_time = datetime.datetime.strptime(start_date, '%Y-%m-%d')  # 转化后的时间是带有时分秒的
 print(date_time)  # 2020-06-08 00:00:00
 print(type(date_time))  # <class 'datetime.datetime'>
 """
 datetime模块中主要使用的是：
 datetime.date：日期(2020-01-01)
 datetime.time：时间(12:00:00)
 datetime.datetime：时期(2020-01-01 12:00:00)
 """
 # 2.使用time包中的time.strptime
 time_time = time.strptime(start_date, '%Y-%m-%d')  # 返回struct_time对象。
 print(time_time)
 print(type(time_time))  # <class 'time.struct_time'>
 """
 参数解释：time.struct_time(tm_year=年, tm_mon=月, tm_mday=日, tm_hour=时, tm_min=分, tm_sec=秒,
 tm_wday=星期（0-6），星期一为0, tm_yday=一年中第几天, tm_isdst=-1是否是夏令时,1-夏令时,0-非夏令时 -1-不确定,默认是-1)
 """

 # 3.直接使用pandas的to_datetime(文本)--主要用来处理组数据
 pd_time = pd.to_datetime(start_date)  # 转化后的时间是带有时分秒的
 print(pd_time)  # 2020-06-08 00:00:00
 print(type(pd_time))  # <class 'pandas._libs.tslibs.timestamps.Timestamp'>

 # 从上述时间类型中提取某个字段数据出来 ，其他字段类似.year/month/day/weekday()/isoweekday()返回的1-7代表周一--周日/。。。
 print(date_time.month)
 print(time_time.tm_yday)
 print(pd_time.weekday())
 # 若转化一列数据的时间类型使用：pd.to_time(文件['列名']) ，此时若提取其中数据字段：文件['列名'].dt.month/year...（ps:后面内容有涉及）

 # 例如：
 df = pd.read_excel('./北京天气2018.xls')  # 读取 北京天气2018.xls文件
 pd.to_datetime(df['日期'])  # 将日期这一列变成时间类型
 print(df['日期'].dt.month)  # 使用.dt提取日期属性

 # 二、将时间格式转为字符串
 # 1.使用str或 strftime
 print(str(pd_time))
 print(type(str(pd_time)))

 str_time1 = date_time.strftime('%Y-%m-%d %H:%M:%S')
 print(str_time1)  # 2020-06-08 00:00:00
 print(type(str_time1))

 str_time2 = pd_time.strftime('%Y-%m-%d %H:%M')
 print(str_time2)  # 2020-06-08 00:00
 print(type(str_time2))

 # 2.time包时间格式的转换
 str_time3 = time.strftime('%Y-%m-%d', time_time)
 print(str_time3)  # 2020-06-08
 print(type(str_time3))  # <class 'str'>

 # 三、时间的计算
 import pandas as pd
 import time
 import datetime

 # 1.简单的时间计算
 start_date = '2020-06-08 10:00:00'
 end_date = '2020-06-10 15:30:00'
 start_time = datetime.datetime.strptime(start_date, '%Y-%m-%d %H:%M:%S')
 end_time = datetime.datetime.strptime(end_date, '%Y-%m-%d %H:%M:%S')
 during_time = end_time - start_time
 # during_time = pd.to_datetime(end_date) - pd.to_datetime(start_date)
 # 这里不适宜使用time.strptime时间化，因为time.struct_time无法进行计算
 print(during_time)  # 2 days, 5:30:00
 print(during_time.days)  #
 print(during_time.seconds)  # 小时之间相差的秒数19800
 print(during_time.total_seconds())  # 总共相差的秒数192600.0

 # 2.timedelta时间计算
 # timedelta --datetime模块下的，主要是用于日期计算的,代表两个时间之间的时间差，两个date或datetime对象相减就可返回一个timedelta对象
 # 在需要使用到时间间隔的时候非常有用，例如需要上一个月，前一天，上一周这样的日期，就可以使用datetime和timedelta很容易得到。
 # datetime.timedelta([days[, seconds[, microseconds[, milliseconds[, minutes[, hours[, weeks]]]]]]])
 today = datetime.datetime.today()
 # today = datetime.date.today()  只有年月日的日期
 # 上个月最后一天
 last_month_last_day = datetime.date(today.year, today.month, 1) - datetime.timedelta(1)
 print(last_month_last_day)
 # 上个月的第一天
 print(datetime.date(last_month_last_day.year, last_month_last_day.month, 1))  # 2020-05-01
 # 一周之前
 print(today - datetime.timedelta(7))
 print(today - datetime.timedelta(weeks=1))  # 等价
 # 3小时30分钟之前--其他类似
 print(today - datetime.timedelta(hours=3, minutes=30))
 print(datetime.timedelta(hours=3, seconds=22).total_seconds())  # 3小时22秒的总秒数 10822.0
 # 8小时30秒后
 print(today + datetime.timedelta(hours=8, seconds=30))
 # 本周一
 this_monday = today - datetime.timedelta(today.isoweekday() - 1)  # .isoweekday（）返回的1-7代表周一--周日
 print(this_monday)
 # 本周二 --其他类似
 print(today - datetime.timedelta(today.isoweekday() - 2))
 # 本周日
 this_sunday = today - datetime.timedelta(today.isoweekday() - 7)
 print(this_sunday)
 # 上周一
 print(this_monday-datetime.timedelta(weeks=1))
 print(this_monday-datetime.timedelta(7))  # 等价
 # 上周日
 print(this_sunday-datetime.timedelta(weeks=1))

 # 3.pandas模块对时间的处理
 # 有下面一数据
 data = {'date': ['2020-05-29', '2020-05-30', '2020-05-31', '2020-06-01', '2020-06-02', '2020-06-03', '2020-06-04',
                  '2020-06-05', '2020-06-06', '2020-06-07', '2020-06-08', '2020-06-09'],
         'lower_temp': [17, 18, 22, 22, 23, 22, 22, 21, 21, 22, 22, 24],
         'high_temp': [25, 19, 28, 30, 33, 28, 30, 23, 28, 29, 28, 29]
         }
 df = pd.DataFrame(data)

 # 3.1.根据原数据类型进行查询
 # 设定date为索引（即设置date列为行名），方便按日期筛选--date为字符串文本类型
 # 下面输入的'2020-06-01'等日期是字符串文本类型，因此索引的类型也要字符串文本类型，否则无法匹配寻找
 # date若为时间类型可先进行转换文本：df['date'] = df['date'].dt.strftime('%Y-%m-%d')
 df.set_index('date', inplace=True)

 # (1)使用单个日期
 print(df.loc['2020-06-01', :])  # :表示是所有列
 print(df.loc['2020-06-01', 'high_temp'])
 print(df.loc['2020-06-01', 'lower_temp':'high_temp'])  # 'lower_temp'至'high_temp'列
 # （2）使用多个日期
 print(df.loc[['2020-06-01', '2020-06-05'], 'high_temp'])  # 6-1,6-5的高温high_temp
 print(df.loc['2020-06-01':'2020-06-05', 'high_temp'])  # 6-1至6-5的高温high_temp

 # 3.2.转化为时间类型进行查询
 # （1）对date时间这一列转为时间格式
 df['date'] = pd.to_datetime(df['date'])
 # （2）筛选某个时间片段
 print(df.loc[df['date'] == pd.to_datetime('2020-06-03')])   # 6.3的数据
 print(df.loc[df['date'] >= pd.to_datetime('2020-06-03')])   # 6.3之后的数据
 # 筛选满足多个条件的数据--条件之间用&连接
 print(df.loc[(df['date'] >= pd.to_datetime('2020-06-03')) & (df['date'] <= pd.to_datetime('2020-06-05'))])  # 6.3-6.5数据
 print(df.loc[(df['date'] >= pd.to_datetime('2020-06-01')) & (df['high_temp'] >= 30)])

 """
 # 若是设置date时间格式列为索引，上述代码要改写
 df.set_index('date', inplace=True)
 print(df.loc[pd.to_datetime('2020-06-03')])
 print(df.loc[:pd.to_datetime('2020-06-03'), :])   # 6.3之前的数据
 print(df.loc[pd.to_datetime('2020-06-03'):, :])   # 6.3之后的数据
 print(df.loc[pd.to_datetime('2020-06-03'):pd.to_datetime('2020-06-05'), :])  # 6.3-6.5数据
 """
 # (3)判断某个日期是周几、出现的次数等等。。。
 print(df['date'].dt.weekday)   # 直接显示date这一列的星期数0-6周一-周日
 print(df['date'].dt.is_month_start)   # 判断是否是一个月的开始
 print(df['date'].dt.is_month_end)   # 判断是否是一个月的结束
 print(df['date'].dt.is_leap_year)   # 判断是否闰年
 print(df['date'].dt.year.value_counts())  # 判断年出现的次数
 print(df['date'].dt.month.value_counts())  # 判断月出现的次数

 # （4对日期增减
 import dateutil    # 导入新库
 # 增加1天（减少天用-号）
 print(pd.to_datetime('2020-06-03')+dateutil.relativedelta.relativedelta(days=1))  # 2020-06-04 00:00:00
 # 增加2年
 print(pd.to_datetime('2020-06-03')+dateutil.relativedelta.relativedelta(years=2))  # 2022-06-03 00:00:00
 # 对月/时/分/秒增加直接将变量名改为months/hours/minutes/seconds  即可
 print(pd.to_datetime('2020-06-03')+dateutil.relativedelta.relativedelta(years=2, days=50, minutes=10)) # 2022-07-23 00:10:00
 # 若将参数变成单数year/day/month/hour/minute/second 并不是日期的加减，而是将日期对应值变成所设置的参数值
 print(pd.to_datetime('2020-06-03')+dateutil.relativedelta.relativedelta(year=1991, day=5, minute=10)) # 1991-06-05 00:10:00