外觀
Data Science › Python Foundations › 日期與時間
日期與時間 (Datetime)
前半是 Python 標準庫(datetime、timedelta、zoneinfo),後半是 pandas datetime 欄位(pd.to_datetime、.dt、DatetimeIndex、resample)。R 的對應寫法見 R 日期與時間。
| 型別 | 表示 | 例子 |
|---|---|---|
date | 日期 | 採樣日 2024-03-15 |
datetime | 日期 + 時間(可帶時區) | 儀器輸出時間戳 |
timedelta | 時間長度 | 處理後 48 小時 |
pd.Timestamp / DatetimeIndex | pandas 版 datetime(向量化) | 整欄時間 |
pd.Timedelta / pd.DateOffset | 固定長度 / 日曆偏移(「下個月」) | + pd.DateOffset(months=1) |
建立、解析與格式化
python
from datetime import date, datetime, timedelta, timezone
d = datetime(2016, 7, 16) # 只有日期 → 00:00:00
dt = datetime(2017, 10, 1, 15, 23, 25, 500000) # 年月日時分秒微秒
now_utc = datetime.now(timezone.utc) # 現在(UTC,aware)
date.today()
d.year, d.weekday() # 2016, 5(Monday=0, Sunday=6)
dt.date(), dt.time()
# datetime → 字串
d.isoformat() # '2016-07-16T00:00:00'
d.date().isoformat() # '2016-07-16'
dt.strftime("%Y/%m/%d %H:%M:%S") # '2017/10/01 15:23:25'
# 字串 → datetime
datetime.strptime("12/30/2017 15:19:13", "%m/%d/%Y %H:%M:%S")
datetime.fromisoformat("2024-03-15T14:30:00+08:00") # ISO 8601 首選,3.11+ 接受大多數 ISO 寫法
# Unix timestamp → datetime:一定要指定 tz,否則依「執行這台電腦」的時區解讀
datetime.fromtimestamp(1514665153, tz=timezone.utc) # 2017-12-30 20:19:13+00:00
dt.replace(minute=0, second=0, microsecond=0) # 截到整點| 代碼 | 意義 | 代碼 | 意義 |
|---|---|---|---|
%Y | 4 位數年 | %H | 24 小時制 |
%m | 月(01–12) | %I / %p | 12 小時制 / AM、PM |
%d | 日 | %M / %S | 分 / 秒 |
%B / %b | 月份全名 / 縮寫 | %f | 微秒 |
%A / %a | 星期全名 / 縮寫 | %z | UTC 偏移(+0800) |
%j | 一年中第幾天 | %% | 字面 % |
存檔、交換資料一律用 ISO 8601(
2024-03-15/2024-03-15T14:30:00Z):字典序 = 時間序,也沒有03/04是 3 月 4 日還是 4 月 3 日的歧義。
日期運算
python
datetime(2016, 7, 17) - d # timedelta(days=1)
(datetime(2016, 7, 17) - d).total_seconds() # 86400.0
d + timedelta(days=1, hours=6)
d - timedelta(weeks=1) # 用 timedelta,不要手動改 day(月底會出錯)
datetime(1997, 7, 2) < datetime(1997, 10, 27) # True:比較前先 parse,不要比字串
# 「加一個月」不是固定天數:timedelta 沒有 months,用 dateutil 或 pandas
from dateutil.relativedelta import relativedelta
datetime(2024, 1, 31) + relativedelta(months=1) # 2024-02-29(自動夾到月底)時區 (Timezones)
| naive | aware | |
|---|---|---|
有 tzinfo? | 否 | 是 |
| 意義 | 只是牆上時間的字面值 | 能對齊到 UTC 的確切時刻 |
| 能互相比較 / 相減? | naive 與 aware 混用會 TypeError |
| 操作 | 效果 | pandas 對應 |
|---|---|---|
replace(tzinfo=...) | 只貼標籤,牆上時間不變 | .dt.tz_localize() |
astimezone(...) | 換算到另一時區,同一時刻 | .dt.tz_convert() |
python
from zoneinfo import ZoneInfo # 3.9+ 標準庫;Windows 需 pip install tzdata
ny = ZoneInfo("America/New_York")
dt = datetime(2017, 12, 30, 15, 9, 3, tzinfo=ny) # 2017-12-30 15:09:03-05:00
dt.astimezone(timezone.utc) # 2017-12-30 20:09:03+00:00
dt.astimezone(ZoneInfo("Asia/Kolkata")) # 2017-12-31 01:39:03+05:30
dt.replace(tzinfo=timezone.utc) # 15:09:03+00:00:錯把當地時間標成 UTC,偏了 5 小時
fixed = timezone(timedelta(hours=-5)) # 固定偏移:不處理夏令時間,盡量用具名時區
# 夏令時間 (DST) 陷阱:同一 aware 時區內的加減是「牆上時間」運算
a = datetime(2024, 3, 10, 1, 30, tzinfo=ny)
a + timedelta(hours=1) # 02:30-05:00:當天 02:00–03:00 根本不存在
(a.astimezone(timezone.utc) + timedelta(hours=1)).astimezone(ny) # 03:30-04:00:正確| 原則 | 說明 |
|---|---|
| 內部一律存 UTC | 只有顯示給人看時才轉當地時間 |
| 用具名時區 | ZoneInfo("Asia/Taipei"),不用固定偏移;舊程式的 pytz / dateutil.tz 可換掉 |
| 跨 DST 的計算先轉 UTC | 量測經過時間、排程間隔 |
不要用 datetime.utcnow() | 回傳 naive 物件,3.12 起已棄用;改 datetime.now(timezone.utc) |
pandas datetime 欄位
讀檔與轉型
python
import pandas as pd
rides = pd.read_csv("rides.csv", parse_dates=["start", "end"]) # 讀檔時直接轉
s = pd.Series(["2024-01-01", "bad", "2024-06-20"])
pd.to_datetime(s, errors="coerce") # 無法解析的變 NaT(Not a Time)
pd.to_datetime(s, format="%Y-%m-%d", errors="coerce") # 指定格式:更快,且避免猜錯
pd.to_datetime(["03/04/2024"], dayfirst=True) # 2024-04-03:歐洲格式
pd.to_datetime(df["ts"], unit="s", utc=True) # Unix 秒數
df["when"] = pd.to_datetime(df["date"] + " " + df["time"], errors="coerce") # 日期、時間分兩欄時先合併
errors="coerce"會把錯誤靜默變成NaT。轉完務必.isna().sum()檢查,數量異常多通常代表格式猜錯(例如混了MM/DD與DD/MM)。
取成分、格式化與運算
python
t = df["measurement_date"]
t.dt.year, t.dt.month, t.dt.day # 數值成分
t.dt.day_name() # 'Monday'...
t.dt.dayofweek # Monday=0
t.dt.quarter, t.dt.isocalendar().week
t.dt.normalize() # 去掉時間,只留日期(仍是 datetime)
t.dt.floor("h") # 截到整點
t.dt.strftime("%d-%m-%Y") # → 字串
(pd.Timestamp.today() - t).dt.days # 距今天數:相減得 Timedelta
(df["end"] - df["start"]).dt.total_seconds() / 60 # 持續分鐘數
t + pd.Timedelta(days=30) # 固定長度
t + pd.DateOffset(months=1) # 日曆月:01-31 → 02-29
df[t > "2024-01-03"] # 可直接和字串比較
df[t.between("2024-01-01", "2024-03-31")]
# 時區:localize 貼標籤,convert 換算
df["start"].dt.tz_localize("America/New_York").dt.tz_convert("UTC")DatetimeIndex 的成分直接用 df.index.month、df.index.day_name(),不需要 .dt。
以時間為索引:篩選與 resample
python
ts = df.set_index("measurement_date").sort_index()
ts.loc["2024-01"] # 部分字串索引:整個一月
ts.loc["2024-01-15":"2024-02-15"] # 時間切片(含兩端)
ts["value"].resample("D").mean() # 每天一筆,沒資料的天補 NaN
ts["value"].resample("W").sum()
ts["value"].resample("ME").mean() # 月底;pandas 2.2+ 用 "ME",舊寫法 "M" 已棄用
ts["value"].rolling("7D").mean() # 7 天移動平均
ts.groupby(ts.index.month)["value"].mean() # 季節性:所有年的一月合在一起| 寫法 | 結果 | 用途 |
|---|---|---|
groupby(index.month) | 最多 12 列,跨年合併同月份 | 比較季節型態 |
resample("ME") | 每個實際月份一列,依時間排序 | 得到正規時間序列 |
| 頻率代碼 | 意義 | 頻率代碼 | 意義 |
|---|---|---|---|
D | 日 | ME / MS | 月底 / 月初 |
h / min / s | 時 / 分 / 秒 | QE | 季底 |
W | 週(預設週日結束) | YE | 年底 |
B | 營業日 |