关于python中时间格式的疑惑

ChatGPT Code Interpreter:沙箱化Python执行如何重塑数据分析工作流 Code Interpreter并非普通插件,而是大语言模型实现‘可验证推理闭环’的关键能力——它将自然语言指令实时转化为可执行、可验证的Python代码,并在隔离沙箱中完成数据处理、统计建模与可视化。其核心依托于预装pandas/matplotlib/scipy等工业级库的轻量执行环境,兼顾数据处理深度、生态覆盖广度与安全控制粒度。相比传统Excel分析或第三方AI编程工具,它显著降低技术门槛,让运营、产品、教育等非程序员角色也能完成清洗、聚合、趋势预测与图表生成等完整分析链路。本文聚焦真实业务场景下的文 阅读详情

python中间的时间格式,尤其是在用到 pandas 和 numpy之后可是迷迷糊糊的,处理起带有时间的数据时就很晕。下面结合stackoverflow中的回答  对  python中的datetime标准模块,numpy模块和pandas模块中的时间objects做个区分记录。

The datetime standard library of Python

这里面只有4个主要的对象:

  • time - 只有time,可以以hours,minutes,seconds和microseconds衡量
  • date - 只有year, month, day
  • datetime - 包含date和time的所有对象
  • timedelta - 最大单位是天的一段时间
import datetime

datetime.time(hour=1,minute=25,second=61,microsecond=6333)
Traceback (most recent call last):

  File "<ipython-input-2-8e2667fea8f6>", line 1, in <module>
    datetime.time(hour=1,minute=25,second=61,microsecond=6333)

ValueError: second must be in 0..59

datetime.time(hour=1,minute=25,second=22,microsecond=6333)
Out[3]: datetime.time(1, 25, 22, 6333)

datetime.date(year=2018,month=9,day=23)
Out[4]: datetime.date(2018, 9, 23)

datetime.datetime(year =2018,month=9,day=23,hour=20,minute=22,second=30,microsecond=3155)
Out[5]: datetime.datetime(2018, 9, 23, 20, 22, 30, 3155)

datetime.timedelta(days=3,minutes=55)
Out[6]: datetime.timedelta(3, 3300)

datetime.timedelta(days=3,minutes=55) + datetime.datetime(year =2018,month=9,day=23,hour=20,minute=22,second=30,microsecond=3155)
Out[7]: datetime.datetime(2018, 9, 26, 21, 17, 30, 3155)

datetime.date(2018,9,23)
Out[8]: datetime.date(2018, 9, 23)

datetime.date(2018,23,9)
Traceback (most recent call last):

  File "<ipython-input-40-258ea9b432d0>", line 1, in <module>
    datetime.date(2018,23,9)

ValueError: month must be in 1..12

可以看到中间,我瞎试了以下 second>59这是不允许的,然后你照着默认的年月日 时分秒的顺序来其实是可以不用输入 year=,month=,...这之类的

Numpy's datetime64 and timedelta64 objects

Numpy中间没有分离date和time对象,只有一个datetime64对象表示一瞬间的时间,datetime模块中间的datetime对象精度为微秒级(10^-7)而Numpy中的datetime64对象精度有到attoseconds(10^-18),更灵活能有支持更多类型的输入

import numpy as np

np.datetime64(5,'ns')
Out[9]: numpy.datetime64('1970-01-01T00:00:00.000000005')

np.datetime64('2018-09-23')
Out[10]: numpy.datetime64('2018-09-23')

np.datetime64('2018-9-23')
Traceback (most recent call last):

  File "<ipython-input-11-5f3797908da0>", line 1, in <module>
    np.datetime64('2018-9-23')

ValueError: Error parsing datetime string "2018-9-23" at position 5

np.datetime64('2018/09/23')
Traceback (most recent call last):

  File "<ipython-input-12-fbe5ac53716b>", line 1, in <module>
    np.datetime64('2018/09/23')

ValueError: Error parsing datetime string "2018/09/23" at position 4

np.datetime64('2018-09-23 05:00')
Out[13]: numpy.datetime64('2018-09-23T05:00')

np.timedelta64(5,'D')
Out[15]: numpy.timedelta64(5,'D')

np.datetime64('2018-09-23 05:00') - np.datetime64('2018-09-23 04:00:59')
Out[16]: numpy.timedelta64(3541,'s')

这里可以看出datetime64对于 对于时间的格式要求还是很 严格的,而且必须带单位,直接字符串转变的时候必须符合xxxx-xx-xx xx:xx:xx的形式,比如2018-09-24 变为2018-9-24都不行。

Pandas中的Timestamp和Timedelta

其实这两个就是在Numpy的时间格式的基础上深入,pandas中的Timestamp也是表示一瞬间的时间,跟datetime很相似,但有更多功能,可以用pd.Timestamp和pd.to_datetime来构建此对象。

import pandas as pd

pd.Timestamp(1234.1256537)#default ns
Out[19]: Timestamp('1970-01-01 00:00:00.000001234')

pd.Timestamp(1234.1256537, unit='h')#change units
Out[21]: Timestamp('1970-02-21 10:07:32.354399999')

pd.Timestamp('2018-9-23 5:00')
Out[22]: Timestamp('2018-09-23 05:00:00')

pd.to_datetime('2018-9-23 5:00')
Out[23]: Timestamp('2018-09-23 05:00:00')

pd.to_datetime(['2018-9-23 5:00','2018-9-23 15:00'])
Out[24]: DatetimeIndex(['2018-09-23 05:00:00', '2018-09-23 15:00:00'], dtype='datetime64[ns]', freq=None)

pd.to_datetime(['2018-9-23 5:00'])
Out[25]: DatetimeIndex(['2018-09-23 05:00:00'], dtype='datetime64[ns]', freq=None)

pd.to_datetime(['2018-9-23 5:00','2018-9-23 15:00'])[0]
Out[26]: Timestamp('2018-09-23 05:00:00')

a = pd.DataFrame([['2018-9-24 12:00',1,3],['2018-9-24 11:00',2,4],['2018-9-24 10:00',5,9]],columns=['date','num1','num2'])

a
Out[27]: 
              date  num1  num2
0  2018-9-24 12:00     1     3
1  2018-9-24 11:00     2     4
2  2018-9-24 10:00     5     9

a.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 3 entries, 0 to 2
Data columns (total 3 columns):
date    3 non-null object
num1    3 non-null int64
num2    3 non-null int64
dtypes: int64(2), object(1)
memory usage: 152.0+ bytes

b = a.date.apply(lambda x:pd.Timestamp(x))

b
Out[28]: 
0   2018-09-24 12:00:00
1   2018-09-24 11:00:00
2   2018-09-24 10:00:00
Name: date, dtype: datetime64[ns]

b[0]
Out[29]: Timestamp('2018-09-24 12:00:00')

这里可以看出pandas中对于时间的格式要求不高,2018-9-24也可以通过,但是也出来我很疑惑的一点了,在一个Series中,输出info信息,会出现dtype为 datetime64[ns], 但对于每一个单独的,又是timestamp格式???

Convert Python datetime to datetime64 and Timestamp

这两个转变都很简单,如下所示

dt = datetime.datetime(2018,9,24,13,39,40,34676)

dt
Out[59]: datetime.datetime(2018, 9, 24, 13, 39, 40, 34676)

np.datetime64(dt)
Out[60]: numpy.datetime64('2018-09-24T13:39:40.034676')

pd.Timestamp(dt)
Out[61]: Timestamp('2018-09-24 13:39:40.034676')

pd.to_datetime(dt)
Out[62]: Timestamp('2018-09-24 13:39:40.034676')

Convert datetime64 to datetime and Timestamp

前者比较麻烦 要先变为float 然后变为datetime 后者更容易 pd.Timestamp/to_datetime()

dt64  = np.datetime64('2017-10-24 05:34:00.136562')
dt64
Out[30]: numpy.datetime64('2017-10-24T05:34:00.136562')

unix_epoch = np.datetime64(0, 's')

one_second = np.timedelta64(1, 's')

seconds_since_epoch = (dt64 - unix_epoch) / one_second

seconds_since_epoch
Out[32]: 1508823240.1365621

datetime.datetime.utcfromtimestamp(seconds_since_epoch)
Out[33]: datetime.datetime(2017, 10, 24, 5, 34, 0, 136562)

pd.to_datetime(dt64)
Out[34]: Timestamp('2017-10-24 05:34:00.136562')

pd.Timestamp(dt64)
Out[35]: Timestamp('2017-10-24 05:34:00.136562')

Convert Timestamp to datetime datetime64

这个也比较简单,如代码所示

ts = pd.Timestamp('2018-9-24 10:22:46.3654')

ts.to_pydatetime()#python's datetime
Out[37]: datetime.datetime(2018, 9, 24, 10, 22, 46, 365400)

ts.to_datetime64()
Out[38]: numpy.datetime64('2018-09-24T10:22:46.365400000')

这几种都可以互相比较大小的嘛??

dt64
Out[63]: numpy.datetime64('2017-10-24T05:34:00.136562')

dt
Out[64]: datetime.datetime(2018, 9, 24, 13, 39, 40, 34676)

ts
Out[65]: Timestamp('2018-09-24 10:22:46.365400')

dt64>dt
Out[66]: False

ts>dt
Out[67]: False

ts>dt64
Out[68]: True

那两种类型单独输出都是 timestamp 但是比较起来提示 float和timestamp不能比较的原因是??

有点懵

MATLAB可用性研究:从用户痛点洞察到产品优化实践 在软件工程领域,可用性研究是评估产品易用性的核心方法,其原理在于通过观察真实用户的操作行为与认知过程,识别界面设计和工作流程中的潜在问题。这项技术的价值在于将用户反馈直接转化为产品改进,从而提升用户满意度和工作效率。在科学计算与工程仿真等应用场景中,复杂的工具如MATLAB尤其需要这类研究来优化用户体验。本文聚焦于MATLAB生态中的可用性研究实践,通过分析典型的“Puzzler”任务设计,阐述了如何系统性地收集用户痛点,并将这些洞察应用于产品迭代。文中深入探讨了研究全流程,包括任务设计、用户观察、数据分析 阅读详情

相关推荐

从MIPS汇编到C语言:手把手教你用Mars模拟器理解指令集(附实战代码)

本文详细介绍了如何使用Mars模拟器从MIPS汇编过渡到C语言编程,通过实战代码解析ADD、LW、BEQ等指令集与C语言结构的对应关系。内容涵盖环境搭建、算术运算、内存访问、条件分支及函数调用等核心概念,帮助读者深入理解MIPS指令分类和计算机底层运行机制。

weixin_26821003的博客 361

DateTimeParseException(日期时间解析异常)可能的原因和解决方法

是 Java 中处理日期时间解析时可能抛出的异常之一。这个异常通常表示在解析日期时间字符串时出现了问题。在实际应用中,确保日期时间字符串和解析模式的一致性,以及考虑到可能出现的时区、Locale 和其他因素,将有助于避免。确保根据你的具体需求选择合适的解决方法,并根据日期时间字符串的格式和特点进行相应的调整。下面是一个简单的例子,演示如何使用。来解析日期时间字符串,并处理。

Java开源程序猿 5179

三轴云台稳定控制算法优化实战:从PID到模糊自适应

本文深入探讨了三轴云台稳定控制算法的优化实践,从经典PID控制到模糊自适应算法的进阶应用。通过实战案例和代码示例,详细解析了PID调参技巧、模糊控制实现及多传感器数据融合方法,帮助工程师在复杂环境下提升云台抗干扰能力和响应速度,特别适用于无人机航拍等场景。

green的博客 915

【报错记录】解决Clickhouse DateTime保存报错问题:Cannot parse string ‘XX‘ as DateTime: syntax error at position

java调用clickhouse,保存Date类型的数据,解决clickhouse报错问题: Cannot parse string 'XX' as DateTime: syntax error at position XX(parsed just 'XX'): while executing 'FUNCTION CAST(assumeNotNull(_dummy_0) :: 2, 'DateTime' :: 1)

DCTANT的博客 5969

淘特App x-sign参数逆向实战:从抓包到算法定位

本文详细解析了淘特App的x-sign参数逆向过程,从抓包分析到算法定位,涵盖了使用jadx-gui进行静态分析、Frida动态Hook验证以及Native层算法还原等关键技术。文章重点介绍了x-sign参数的生成机制及其在阿里系应用中的安全防护策略,为逆向工程师提供了实用的调试技巧和对抗策略。

5b6n7m8的博客 229

利用PLECS实现Boost变换器的闭环控制仿真与优化

本文详细介绍了如何利用PLECS仿真软件实现Boost变换器的闭环控制与优化。从基础原理到开环系统搭建,再到闭环控制设计与动态优化,提供了完整的仿真实践指南。通过PLECS的仿真功能,工程师可以有效诊断问题、优化参数,并实现高性能的DC-DC变换器设计。

weixin_42527401的博客 325

Python学习笔记 - 常用模块

本文主要讲解Python中内置的常用模块:math模块、random模块和datetime模块,以及logging日志模块。

yunfan 1188

Python实战:5分钟搞定滑动平均窗口计算(附完整代码+逐行注释)

本文深入解析Python中滑动平均窗口计算的实现与优化,提供Numpy、Pandas等多种高效方案,并附完整代码和逐行注释。涵盖边界处理、性能优化及异常检测等实战技巧,帮助开发者快速掌握时间序列数据处理的核心技术。

weixin_30872157的博客 127

python-报错和解决方法汇总

python的错误提示非常人性化,通常报错时就会提供解决办法,比如一些syntax error就很容易解决,整理了一下遇到的稍微麻烦一些的: 按住Ctrl+F在本页搜索 1. Matplotlib Deprecation Warning: The finance module has been deprecated in mpl 2.0 and will be removed in mpl ...

weixin_30814319的博客 6359

Camera Sensor接口协议全解析(六)聚焦onsemi HiSPi接口的技术突破与应用实践

摘要: Onsemi HiSPi是一种高速并行接口协议,专为高分辨率图像传感器设计,具备1600 Mbps传输速率、低功耗和高兼容性特点。通过对比DVP、MIPI CSI-2等主流协议,HiSPi在工业/医疗领域表现突出,支持动态功耗控制、多ROI和CRC校验。其创新架构包含多PHY设计,提供分组SP、流SP等多种工作模式,满足灵活传输需求。实际应用中,HiSPi在PCB缺陷检测(5μm精度)和液晶面板检测(0.3% Mura检出率)等场景展现卓越性能,成为高速成像领域的关键技术。

GateWorld的博客 1437

pycharm一直选择不了conda正确路径弹框报错:latinit property envs_dirs has not been initialized...如何解决?

🏆本文收录于 《全栈 Bug 调优(实战版)》 专栏。专栏聚焦真实项目中的各类疑难 Bug,从成因剖析 → 排查路径 → 解决方案 → 预防优化全链路拆解,形成一套可复用、可沉淀的实战知识体系。无论你是初入职场的开发者,还是负责复杂项目的资深工程师,都可以在这里构建一套属于自己的「问题诊断与性能调优」方法论,助你稳步进阶、放大技术价值 。

**My Coding Family** 2928

Python-datetime模块使用详解datetime,time,date

datetime 模块提供用于处理日期和时间的类,支持五种有效的类型:date,time,datetime,timedelta,tzinfo,timezone,最常用的是前三种

qq_46033586的博客 2248

【图像去噪】论文精读:FM2S: Self-Supervised Fluorescence Microscopy Denoising With Single Noisy Image

论文题目:FM2S: Self-Supervised Fluorescence Microscopy Denoising With Single Noisy Image —— FM2S:单噪声图像自监督荧光显微镜去噪arXiv 2024!显微图像去噪!通过可视化详细的细胞结构和生物过程,荧光显微镜具有显着先进的生物学研究。然而,由于难以精确建模固有噪声和获取干净图像进行训练,这种图像去噪任务往往面临挑战,这限制了大多数现有方法。在本文中,我们提出了一种有效的。

主要更新底层视觉(去噪、超分等)相关的科研内容,形式为【论文精读】+【论文复现】 413

python如何将时间格式转换成数字形式表示_每日一技:一秒搞定Excel时间转换

Excel中时间相关的函数和问题比较多,今天小千在学习中就遇到了一个问题,在数据库导出一组通话时长的数据时,发现他是以秒数计算的,但是我们通常是对几时几分几秒的形比较敏感,所以我们需要进行转换。经过一番查找之后,小千在之前学过的Excel知识中找到了一个text函数、time函数等等,于是小千对这个问题的解决方法做了一个整理,希望对遇到同样问题的小伙伴有所帮助。 ...

weixin_39973416的博客 2646

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

IMSL CNL 7.0.0 (x86-64)Crack

IMSL CNL 7.0.0 (x86-64)Crack intel的算法库破解文件,这是C++版本的破解文件

python代码执行过程记录_详解python程序中记录日志的方法

日志可以用来记录应用程序的状态、错误和信息消息,也经常作为调试程序的工具。它的重要性就不多说了,直接进入正题。python提供了一个标准的日志接口,就是logging模块。日志级别有DEBUG、INFO、WARNING、ERROR、CRITICAL五种。首先来看logging简单的使用方法。这一看到此图中使用了debug()、info()、warning()、error()、critical()五...

weixin_39881513的博客 680

迈瑞BS系列全自动生化分析仪LIS协议接口手册(内含HL7和ASTM)

迈瑞BS系列全自动生化分析仪LIS协议接口手册,内含HL7和ASTM)

降雨量时段均值化

顺便把降雨的也改了改,弄出来。一直有疑惑,这个时段降雨该对应哪个时间段,我这里把它对应在开始时段了。(求个基础扎实的大佬回答一下)原来:现在:我把11-14时段的降雨,平均到每个时段初 ,14时取为0了。(不知道能不能这样平均)。

weixin_57492923的博客 809

汉书HE8,好用的汇编代码编写工具

汉书HE8,好用的汇编代码编写工具早期编写汇编代码所用功能强大

excel数字日期在python中的转换

excel数字日期在python中的转换

lkyangg 1862

详解python程序中记录日志的方法

详解python程序中记录日志的方法 日志可以用来记录应用程序的状态、错误和信息消息,也经常作为调试程序的工具。它的重要性就不多说了,直接进入正题。       python提供了一个标准的日志接口,就是logging模块。日志级别有DEBUG、INFO、WARNING、ERROR、CRITICAL五种。 首先来看logging简单的使用方法。 这一看到此图中

Cypress_Li的博客 3145

使python技能飙升的5个实用F-String技巧

python技巧

Armey的博客 762

python中的可视化库-matplotlib

matplotlib是基于Python语言的开源项目,旨在为Python提供一个数据绘图包。下面介绍一些常用的基本操作。 1.折线图 以美国1948年每个月的失业率作为例子,代码如下: import matplotlib.pyplot as plt import pandas as pd #使用pandas读取csv文件 unrate = pd.read_csv('unrate.csv') #将csv文件中非时间格式的时间数据转化为时间格式 unrate['DATE'] = pd.to_datetime(u

weixin_42065178的博客 488

Python 模块

Python当中 如果了解模块 那你就很不错了 可以写一些简单的脚本了,来实现你日常的维护,想学好模块 需要去花实践去用,最近在网上搜到的一些资料加上自己的理解 想做一下自己的笔记模块:loggingsubprocesstime datetimelogging模块python提供了一个标准日志的接口,就是logging模块。日志级别有DEBUG,INFO,WARNIN...

weixin_34212189的博客 116

我摊牌了!我用Python帮B站的小姐姐配好看的字幕!

公众号“菜鸟学Python”第438篇原创,设为 “星标”,一起学Python!对于很多B站的忠实小伙伴们来说,在B站上看各个Up主们为大家分享各种内容是一件非常幸福的事情,可是大家也...

cainiao_python的博客 729

农林数据科学实战:用Python解构荷斯坦牛泌乳量预测与管理归因

泌乳量预测是畜牧数据科学的基础任务,其本质是将牛只生理节律、饲养管理与环境响应等非结构化农业知识转化为可计算模型。核心原理在于融合时间序列建模(如Wood曲线)、混合效应统计推断(MixedLM)与可解释机器学习(RandomForestClassifier),以兼顾生物学合理性与管理可操作性。技术价值体现在突破传统回归局限,实现‘异常识别→诱因定位→干预建议’的闭环诊断能力。典型应用场景覆盖高校数学建模竞赛备赛、牧场智能监测系统开发及农科院数据驱动决策支持。本文聚焦python、pandas、statsm

weixin_33895475的博客 500

B站抢票终极指南:5分钟学会用biliTickerBuy自动化抢票神器

还在为B站会员购抢票而烦恼吗?每次热门演唱会门票、限量周边开售时,你是不是总是因为网络延迟、手速不够快而错失心仪商品?别担心,今天我要向你介绍一款开源免费的B站抢票神器——biliTickerBuy!这款基于Python开发的自动化工具就像你的专属抢票助手,让你告别手动抢票的焦虑和手忙脚乱。无论你是技术小白还是编程高手,都能在5分钟内掌握这个强大的B站抢票工具,轻松应对各种抢票挑战。 ## 为什

gitblog_00109的博客 358
上一篇: 强化学习David Silver课程Lecture2 笔记
下一篇: 关于python程序的性能分析
donglcode
博客等级 码龄10年 26粉丝 10原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值