在Python中处置年数和天数可能将很麻烦。值得称赞遗憾的是，有一类内建的形式能简化该过程：Python datetime组件。

datetime 协助他们识别和处置与天数有关的原素，比如年数，半小时，两分钟，秒，小时几，月，年等。它提供各种服务，比如管理夏令时间和夏令时。它能处置天数戳统计数据。它能从数组中抽取小时几，每月黑母和其他年数和天数文件格式。

具体来说，这是一类处置Python中与年数和天数有关的任何人东西的强大形式。因而，让他们已经开始吧!

在大统计数据分析Python Datetime采用教程中，他们将详细介绍python datetime函数，主要包括：

1)建立年数第一类

2)从年数已经开始计算年月

3)从年数已经开始以获取月日和工作日

4)从年数以获取半小时和两分钟

5)从年数已经开始以获取两年中的第数周

6)将年数第一类切换为天数戳

7)将UNIX天数戳数组切换为年数第一类

8)处置timedelta第一类

9)获得三个年数和天数之间的差异

10)文件序列化年数：strftime()和strptime()

11)处置夏令时间

12)采用Pandas年数天数第一类

a)以获取年，月，日，半小时和两分钟

b)以获取两年中的第几天

c)将年数第一类切换为DataFrame检索

在自学大统计数据分析Python Datetime采用教程时，他们Jarnisy在自己的计算机上运转代码。除此之外，假如你想在应用程序中运转的代码，并以交互的形式自学与回答检查，以确保你获得它的权利，他们的Python中间总之 有 Python中的年数天数的教训 ，他们建议。您能通过注册免费的用户账号来已经开始自学。

Python年数天数类

在已经开始编写代码之前，值得称赞研究一下datetime 组件中采用的五个主要第一类类。根据他们要执行的操作形式，他们可能将须要采用以下三个或多个不同的类：

1)datetime –容许他们一起操作形式天数和年数(月，日，年，半小时，秒，毫秒)。

2)年数 –使他们能分立于天数(月，日，年)操纵者年数。

3)天数 –容许他们分立于年数(半小时，两分钟，秒，毫秒)操纵者天数。

4)timedelta -甲 持续天数 的用作操作形式的年数和测量天数。

5)tzinfo —用作处置夏令时间的tcsh。

假如这些区别还没意义，请不用担心!让他们深入探讨 datetime 并已经开始采用它，以更好地介绍它们的应用形式。

建立年数第一类

首先，让他们细细看一看三个 datetime 第一类。由于 datetime 既是三个组件又是该组件中的三个类，所以他们将从datetime 从datetime 组件中引入此类 已经开始 。

接着，他们将列印当前年数和天数，以细细查看datetime 第一类中包涵的文本 。他们能采用datetime的 .now() 功能来做到这一点儿 。他们将列印年数天数第一类，接着采用来列印其类型， type() 以便他们细细观察。

从上面的结果他们能看见，datetime_object 确实是 此类的三个 datetime 第一类 datetime。这主要包括年，月，日，半小时，两分钟，秒和毫秒。

从年数中抽取年数和月份

现在他们已经看见了是什么让三个 datetime 第一类，他们可能将已经猜出了如何 date 和 time 第一类看，因为他们知道， date 物体就像 datetime 没天数统计数据和 time 第一类就像 datetime 没最新统计数据。

他们还能解决许多问题。比如，在绝大多数统计数据集中，年数和天数重要信息都以数组文件格式储存!除此之外，他们可能将不 想要 所有这些年数和天数统计数据-假如他们要进行诸如月度销售分析之类的事，将事还原成毫秒将不会很有用。

因而，现在让他们已经开始深入探讨统计数据科学中的一项常见任务：采用来从数组中仅抽取他们实际须要的原素 datetime。

为此，他们须要做许多事。

采用strptime()和strftime()处置年数和天数数组

幸运地的是，datetime 包涵三个形式， strptime() 和 strftime()，用作从数组第一类切换成 datetime 第一类，与此相反。 strptime() 能加载暗含年数和天数重要信息的数组并将其切换为 datetime 第一类， strftime() 并将datetime第一类切换回数组。

总之， strptime() 这不是魔术师，它不能将任何人 数组切换为年数和天数，并且须要他们的一点儿协助来解释它所看见的文本!但是它能够加载年数和天数统计数据的绝大多数常规数组文件格式(有关更多详细重要信息，参见 文件格式)。让他们给它三个年数数组，文件格式为YYYY-MM-DD，看一看它能做什么!

请注意，它strptime() 暗含三个参数：数组(my_string)和 "%Y-%m-%d"另三个告诉 strptime() 如何解释输入数组的数组 my_string。 %Y，比如，告诉它期望数组的前四个字符为年数。

文件格式中提供了这些模式的完整列表 ，他们将在大统计数据分析Python Datetime采用教程的后面部分更深入地介绍这些形式。

您可能将还注意到， 00:00:00 年数中已添加的天数。那是因为他们建立了三个 datetime 第一类，其中必须包涵年数 和 天数。 00:00:00 是在他们输入的数组中未指定天数的情况下将分配的默认天数。

无论如何，他们希望将年数的特定原素分开进行分析。一类形式能做到这一点儿采用内建的DateTime第一类的类属性，像 .month 或 .year：

从年数以获取每月的某天和一周的某天

让他们做更多的抽取，因为这是三个非常普通的任务。这次，他们将尝试从中以获取每月的某天和一周的某天 my_date。Datetime采用它的.weekday() 函数能将小时几作为数字，但是他们能采用calendar 组件和称为形式将其 切换为文本文件格式(即，小时一，小时二，小时三…) day_name。

他们将从引入已经开始 calendar，接着采用 .day and .weekday() on my_date。从那里，他们能像这样以获取文本文件格式的小时几：

等一下，看起来有点奇怪!一周的第三天应该是小时三，而不是小时四，对吧?

让他们day_name 采用for循环细细查看该 变量：

现在他们能看见Python从小时一已经开始，从检索0已经开始计数，而不是从1已经开始计数。因而，如上所述将数字3切换为“小时四”是有意义的。

从Python年数天数第一类以获取半小时和两分钟

现在，让他们深入探讨天数，并从datetime第一类中抽取半小时和两分钟。就像他们上面对月份和年数所做的操作形式一样，他们能采用类属性 .hour 并 .minute 以获取一天中的半小时和两分钟。

让他们采用.now() 函数设置新的年数和天数。截至撰写本文时，它是2019年10月25日上午10:25。总之，根据选择运转此代码的天数，您将获得不同的结果!

从年数天数第一类以获取两年中的小时

他们也能用来做更奇特的事 datetime。比如，假如他们想知道两年中的哪一周?

他们能从datetime 具有该.isocalendar() 功能的第一类 以获取年，年中的小时几和小时几 。

具体来说， isocalendar() 返回具有ISO年，周号和工作日的元组。在 ISO日历 是基于公历广泛采用的标准日历。您能在该链接上详细介绍它，但是出于他们的目的，他们须要知道的是它作为常规日历运转，从每周的小时一已经开始。

请注意，在ISO日历中，小时从1已经开始计数，因而这里5代表小时中的正确年数：小时五。

从上面他们能看见，这是两年的第43周，但是假如他们想隔离该数字，则能像采用任何人其他Python列表或元组那样采用检索来实现：

将年数第一类切换为Unix天数戳和反之

在编程中，遇到作为天数戳储存的天数和年数统计数据，或者想以Unix天数戳文件格式储存自己的统计数据并不少见。

他们能采用datetime的内建timestamp() 函数来做到这一点儿 ，该函数将三个 datetime 第一类作为参数并以天数戳文件格式返回该年数和天数：

同样，他们能采用进行反向切换fromtimestamp()。此 datetime 函数以天数戳(浮点文件格式)作为参数并返回三个 datetime 第一类，如下所示：

采用Timedelta第一类测量天数跨度

通常，他们可能将想采用Python年数天数来测量天数跨度或持续天数。他们能采用其内建timedelta 类来做到这一点儿 。甲 timedelta 第一类表示的三个年数或天数之间的天数量。他们能采用它来测量天数跨度，或者通过对年数或天数进行加减来操纵者年数或天数，等等。

默认情况下，timedelta第一类的所有参数均设置为零。让他们建立三个新的timedelta第一类，该第一类长三个小时，接着看一下它的外观：

请注意，他们能采用timedelta class属性获得以天为单位的持续天数.days。正如他们在其文件格式中看见的那样 ，他们还能以秒或毫秒为单位以获取该持续天数。

让他们建立另三个timedelta持续天数以进行更多练习：

现在，让他们已经开始采用timedelta第一类和datetime第一类进行许多数学运算!具体来说，让他们在当前天数和年数上添加几个不同的持续天数，以查看15天后(两周前的年数)后的年数。

为此，他们能采用 + 或 - 运算符在datetime第一类中添加timedelta第一类或从中减去。结果将是datetime第一类，加上或减去他们的timedelta第一类中指定的持续天数。酷吧?

(注意：在下面的代码中，它是10月25日上午11:12;由于他们datetime 采用该.now() 函数以获取第一类 ，因而您的结果将根据运转代码的天数而有所不同 )。

请注意，这些数学运算的输出仍然是三个datetime 第一类。

找出三个年数和天数之间的差异

与上面的操作形式类似，他们还能从另三个年数中减去三个年数，以采用datetime找出它们之间的天数跨度。

由于此数学运算的结果是三个 持续天数，因而当他们从另三个年数减去三个年数时产生的第一类将是三个 timedelta 第一类。

在这里，他们将建立三个 date 第一类(注意，这些datetime 第一类与第一类的工作原理相同 ，只是不主要包括天数统计数据)，并从另三个第一类中减去三个第一类以找到持续天数：

上面，为了清楚起见，他们仅采用年数，但是他们能对datetime 第一类执行相同的操作形式，以获得更精确的度量，主要包括半小时，两分钟和秒：

文件序列化年数：有关strftime()和strptime()的更多重要信息

他们在 前面strftime() 和 strptime()前面进行了简要介绍 ，但让他们细细看一下这些形式，大统计数据分析Python Datetime采用教程因为它们对于Python中的统计数据分析工作通常很重要。

strptime() 是他们之前采用的形式，您会记得它能将以文本数组文件格式设置的年数和天数切换为datetime第一类，文件格式如下：

time.strptime(string, format)

请注意，它暗含三个参数：

1)string-他们要切换的数组文件格式的天数

2)format-数组中天数的特定文件格式，以便strptime()能正确解析它

这次尝试切换另一类年数数组。 该站点 对于查找协助strptime() 解释他们的数组输入所需的文件格式代码是非常有用的参考 。

现在，让他们做许多更高级的操作形式，以练习到目前为止所学的一切!他们将从数组文件格式的年数已经开始，将其切换为datetime第一类，接着看一下几种不同的文件序列化形式(dd / mm和mm / dd)。

接着，坚持采用mm / dd文件格式，将其切换为Unix天数戳。接着，他们将它切换成三个 datetime 第一类，并切换 是采用许多不同的回数组 的strftime模式 来控制输出：

这是您能采用备忘单保存的图像，用作常见的，有用的strptime和strftime模式：

让他们采用这些进行更多练习：

处置夏令时间

当涉及夏令时间时，在Pythin中处置年数和天数会变得更加复杂。值得称赞遗憾的是，该 pytz 组件能协助他们处置跨夏令时间切换。它还能在采用该天数的位置处置夏令时。

他们能采用该 localize 函数向Python年数天数第一类添加夏令时间位置。接着，他们能采用该函数 astimezone() 将现有的本地夏令时间切换为他们指定的任何人其他夏令时间(它将要切换成的夏令时间作为参数)。

比如：

采用包涵多个不同夏令时间的统计数据集时，此组件能协助简化工作。

采用pandasDatetime第一类

统计数据科学家之所以喜欢 pandas ，有很多原因。其中之一是它包涵用作处置天数序列统计数据的广泛功能。与datetime 本身非常相似 ，pandas同时具有 datetime 和 timedelta 第一类，分别用作指定年数，天数和持续天数。

他们能采用以下功能将年数，天数和持续天数文本数组切换为pandas Datetime第一类：

1)to_datetime()：将数组年数和天数切换为Python datetime第一类。

2)to_timedelta()：以天，半小时，两分钟和秒为单位查找天数差异。

正如他们将看见的，这些函数实际上非常擅长通过自动检测数组的文件格式将数组切换为Python datetime第一类，而无需他们采用strftime模式进行定义。

让他们看三个简单的例子：

请注意，即使他们给它提供了三个包涵许多复杂因素(比如“ th”和“ sep”而不是“ Sep”)的数组。或“ 9月”，pandas能够正确解析数组并返回文件序列化年数。

他们还能采用pandas(及其许多附属的numpy功能)将年数范围自动建立为pandas系列。比如，在下面，他们从上面定义的年数已经开始建立一系列十二个年数。接着，他们采用pd.date_range()以下命令从预定义的年数已经开始建立一系列不同的年数 ：

以pandas为单位以获取年，月，日，半小时，两分钟

通过采用dt 所有列的属性，他们能轻松地从pandas统计数据框的列中的年数以获取年，月，日，半小时或两分钟 。比如，他们能 df[date].dt.year 用来仅从包涵完整年数的pandas列中抽取年数。

为了探索这一点儿，让他们采用上面建立的系列之一来制作三个快速的DataFrame：

现在，让他们采用有关的Python datetime(通过访问dt)属性为年数的每个原素建立单独的列 ：

以获取工作日和两年中的某天

pandas还能够从其datetime第一类中以获取其他原素，比如小时几和两年中的一天。同样，他们能采用 dt 属性来执行此操作形式。请注意，这里与Python一般一样，一周从小时一的检索0已经开始，所以一周的第五天是 小时六。

将年数第一类切换为DataFrame检索

他们还能采用pandas将datetime列添加到DataFrame的检索中。这对于诸如探索性统计数据可视化之类的任务可能将非常有协助，因为matplotlib将识别出DataFrame检索是三个天数序列并相应地绘制统计数据。

为此，他们要做的就是重新定义 df.index：

结论

在大统计数据分析Python Datetime采用教程中，他们深入探讨了Python年数天数，并且还对pandas和日历组件做了许多工作。他们已经介绍了很多文本，但是请记住：最好的自学形式是亲自编写代码!

假如您想练习datetime 采用交互式答案检查来编写代码，请查看他们的 Python中间课程 ， 以通过交互式答案检查和应用程序内代码运转来自学Python中的年数天数。