Skip to content

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 / DatetimeIndexpandas 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
%Y4 位數年%H24 小時制
%m月(01–12)%I / %p12 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%zUTC 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) ​

naiveaware
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

時間序列建模(趨勢、季節分解、自相關)見 時間序列分析;畫時間序列圖見 pandas 繪圖。